Numerische Methoden: Eine Einführung für Informatiker, Naturwissenschaftler, Ingenieure und Mathematiker (eXamen.Press)

eXamen.press

eXamen.press ist eine Reihe, die Theorie und Praxis aus allen Bereichen der Informatik für die Hochschulausbildung vermittelt.

Thomas Huckle · Stefan Schneider

Numerische Methoden Eine Einführung für Informatiker, Naturwissenschaftler, Ingenieure und Mathematiker 2. Auflage Mit 103 Abbildungen und 9 Tabellen

123

Thomas Huckle Technische Universität München Institut für Informatik Boltzmannstr. 3 85748 Garching [email protected]

Stefan Schneider BMW Group Max-Diamand-Str. 13 80937 München [email protected]

Bibliografische Information der Deutschen Bibliothek Die Deutsche Bibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.ddb.de abrufbar.

Die 1. Auflage erschien 2002 unter dem Titel „Numerik für Informatiker“ ISSN 1614-5216 ISBN-10 3-540-30316-2 Springer Berlin Heidelberg New York ISBN-13 978-3-540-30316-9 Springer Berlin Heidelberg New York ISBN 3-540-42387-7 1. Auflage Springer Berlin Heidelberg New York Dieses Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere die der Übersetzung, des Nachdrucks, des Vortrags, der Entnahme von Abbildungen und Tabellen, der Funksendung, der Mikroverfilmung oder der Vervielfältigung auf anderen Wegen und der Speicherung in Datenverarbeitungsanlagen, bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten. Eine Vervielfältigung dieses Werkes oder von Teilen dieses Werkes ist auch im Einzelfall nur in den Grenzen der gesetzlichen Bestimmungen des Urheberrechtsgesetzes der Bundesrepublik Deutschland vom 9. September 1965 in der jeweils geltenden Fassung zulässig. Sie ist grundsätzlich vergütungspflichtig. Zuwiderhandlungen unterliegen den Strafbestimmungen des Urheberrechtsgesetzes. Springer ist ein Unternehmen von Springer Science+Business Media springer.de © Springer-Verlag Berlin Heidelberg 2002, 2006 Printed in Germany Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Text und Abbildungen wurden mit größter Sorgfalt erarbeitet. Verlag und Autor können jedoch für eventuell verbliebene fehlerhafte Angaben und deren Folgen weder eine juristische Verantwortung noch irgendeine Haftung übernehmen. Satz: Druckfertige Daten der Autoren Herstellung: LE-TEX, Jelonek, Schmidt & Vöckler GbR, Leipzig Umschlaggestaltung: KünkelLopka Werbeagentur, Heidelberg Gedruckt auf säurefreiem Papier 33/3100 YL – 5 4 3 2 1 0

”

The purpose of computing is insight, not numbers.“ R.W. Hamming

Vorwort

Das vorliegende Buch entstand aus dem Skript zur Vorlesung Konkrete Ma” thematik – Numerische Programmierung“, die an der TU M¨ unchen f¨ ur Informatikstudenten seit dem Wintersemester 1995 angeboten wird. Das Ziel dieser Veranstaltung, und somit auch des Buches, ist es, Informatikstudierende mit den wesentlichen Problemen und L¨ osungsmethoden der Numerischen Mathematik vertraut zu machen. Daher orientieren sich Stoffmenge, Niveau, Pr¨ asentation und Anwendungsbeispiele an dem entsprechenden Wissensstand und Interessengebiet. Viel Wert wird auf aktuelle Anwendungsbeispiele aus dem Umfeld Computer Science gelegt, wie z.B. Bildverarbeitung, Computer-Graphik, Data Mining und Wettervorhersage. Historische Bemerkungen erg¨anzen die Darstellung. Dieses Lehrbuch eignet sich auch f¨ ur Studierende der Mathematik, sowie der Ingenieurs- und Naturwissenschaften, die einen modernen Zugang zum Einsatz numerischer Methoden suchen. An der Fertigstellung dieses Buches waren viele Mitarbeiter beteiligt. Im Einzelnen danken wir allen, die im Rahmen der Vorlesung Konkrete ” ¨ Mathematik“ zum Erstellen von Ubungsund Programmieraufgaben beigetragen haben, so Herrn Dr. Michael Bader, Markus P¨ogl, Andreas Krahnke, Dr. Miriam Mehl, Dr. Florian Meier, Dr. Anton Frank, Dr. Christoph Kranz, Max Emans, Frank G¨ unther und Dr. Jochen Staudacher. Ganz besonderer Dank geb¨ uhrt Frau Britta Liebscher, die sich aufopferungsvoll darum bem¨ uhte, das Skript mittels LATEX in eine lesbare und ansprechende Form zu bringen und viele Graphiken beisteuerte. Herr Dr. Markus Kowarschik hat durch intensives Lesen von Korrekturen viel zu einer verst¨ andlicheren Darstellung beigetragen.

M¨ unchen, Juni 2002

Thomas Huckle Stefan-Alexander Schneider

VIII

Vorwort

Die zweite Auflage wurde inhaltlich erweitert sowohl um einige aktuelle Aspekte der Software-Entwicklung als auch neue Beispiele, wie die numerische Modellierung von Tsunamis, Audio-Verarbeitung und das Abspielformat mp3, die Mathematik der Suchmaschine Google und der Begriff des Pagerank, Bildkomprimierung und digitaler Autofokus. Der Anhang wurde erg¨ anzt um ein neues Kapitel mit Hinweisen zu ¨ Ubungsaufgaben, Softwarequellen und Literaturangaben. Das Kapitel Rech” nerarithmetik und Rundungsfehler“ erl¨ autert nun zus¨atzlich grundlegende technische Begriffe des Rechnens mit dem Computer. Auf den Webseiten www5.in.tum.de/lehre/vorlesungen/konkr_math/ zur Vorlesung Konkrete Mathematik - Numerisches Programmieren“ finden ” ¨ sich inzwischen vielf¨ altige Hinweise und Hilfestellungen zu vielen Ubungsaufgaben dieses Buches. Durch die Titel¨ anderung soll deutlich gemacht werden, dass wegen der verst¨ andlichen Darstellung und der Einbeziehung vieler Anwendungsbeispiele dieses Lehrbuch nicht nur f¨ ur Informatikstudierende sondern auch f¨ ur andere Studieng¨ ange als Einstieg in die Numerische Mathematik geeignet ist. Die zweite Auflage ist der Verdienst vieler Mitarbeiter. Ganz besonderer Dank geb¨ uhrt hier Antje Roser-Huckle f¨ ur intensives Korrekturlesen. Dadurch wurde die Lesbarkeit und Verst¨ andlichkeit wesentlich verbessert.

M¨ unchen, Dezember 2005

Thomas Huckle Stefan-Alexander Schneider

Inhaltsverzeichnis

Teil I Motivation und Einordnung 1

Die Entwicklung des Rechnens . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3

2

Numerische Mathematik, Reine Mathematik und Informatik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 Informatik als die Wissenschaft vom Computer . . . . . . . . . . . . . 2.2 Informatik und Numerik im Wissenschaftlichen Rechnen . . . . 2.3 Numerische Methoden in der Informatik . . . . . . . . . . . . . . . . . . .

7 7 7 9

3

Ben¨ otigtes Grundwissen aus Informatik und Mathematik . 3.1 Informatik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Einordnung in die Mathematik . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 Beziehung zu anderen natur- und ingenieurwissenschaftlichen Fachgebieten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11 11 11 12

Teil II Rechnerarithmetik und Rundungsfehler 4

Rundungs- und Rechenfehler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1 Rundungsfehler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Rechenfehler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Gesamtfehler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4 Analyse weiterer Fehlerquellen . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5 Sicherheitsrelevante Entwicklungsprozesse und Standards . . . .

15 18 19 20 21 24

5

Zahldarstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 Bin¨ arzahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Addition und Subtraktion von Bin¨ arzahlen . . . . . . . . . . . . . . . . 5.3 Multiplikation und Division von Bin¨arzahlen . . . . . . . . . . . . . . . 5.4 Integer-Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5 Darstellung reeller Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5.1 Festkommazahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5.2 Intervallarithmetik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5.3 Gleitpunktzahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

29 32 36 41 45 51 51 53 56

X

Inhaltsverzeichnis

5.5.4 Rundung von Gleitpunktzahlen . . . . . . . . . . . . . . . . . . . . 62 6

Gleitpunktarithmetik und Fehlerfortpflanzung . . . . . . . . . . . . 6.1 Realisierung einer Maschinenoperation . . . . . . . . . . . . . . . . . . . . 6.2 Rundungsfehleranalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 Ausl¨ oschung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

69 69 70 75 79

7

Kondition und Stabilit¨ at . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

8

Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

Teil III Lineare Gleichungssyteme L¨ osung Linearer Gleichungssysteme . . . . . . . . . . . . . . . . . . . . . . . 9.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.2 Aufl¨ osen von Dreiecksgleichungssystemen . . . . . . . . . . . . . . . . . . 9.3 Gauß-Elimination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.4 Gauß-Elimination und LU -Zerlegung . . . . . . . . . . . . . . . . . . . . . . 9.5 Kondition eines linearen Gleichungssystems . . . . . . . . . . . . . . . . 9.6 Kosten der Gauß-Elimination . . . . . . . . . . . . . . . . . . . . . . . . . . . .

101 101 104 106 109 111 113

10 Lineare Ausgleichsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10.1 Methode der kleinsten Quadrate . . . . . . . . . . . . . . . . . . . . . . . . . . 10.2 QR-Zerlegung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10.3 Regularisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

115 115 119 124

9

11 Effiziente L¨ osung linearer Gleichungssysteme . . . . . . . . . . . . . 127 11.1 D¨ unnbesetzte Gleichungssysteme . . . . . . . . . . . . . . . . . . . . . . . . . 127 11.2 Gleichungssysteme und Computer-Architektur . . . . . . . . . . . . . 131 12 Anwendungsbeispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.1 Computertomographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.2 Neuronale Netze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.3 Leontief’sches Weltmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

143 143 146 147

13 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149

Teil IV Interpolation und Integration

Inhaltsverzeichnis

XI

14 Interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14.1 Interpolationsaufgabe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14.2 Interpolation mit Polynomen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14.3 Fehler bei der Polynom-Interpolation . . . . . . . . . . . . . . . . . . . . . 14.4 Newton-Form des Interpolationspolynoms . . . . . . . . . . . . . . . . . 14.5 Weitere Interpolationsans¨ atze . . . . . . . . . . . . . . . . . . . . . . . . . . . .

155 155 157 162 164 166

15 Quadratur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15.2 Quadraturregeln aus Fl¨ achenbestimmung . . . . . . . . . . . . . . . . . . 15.3 Regeln aus der Interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15.4 Gauß-Quadratur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15.5 Extrapolationsverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15.6 Adaptive Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15.7 Weitere Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

175 175 176 177 179 180 182 184

16 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16.1 Interpolation von Bilddaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16.2 Registrierung und Kalibrierung von Bilddaten . . . . . . . . . . . . . . 16.3 Gauß’scher Weichzeichner . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16.4 Fuzzy-Steuerung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

187 187 188 190 191

17 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193

Teil V Die schnelle Fourier-Transformation 18 Eigenschaften und Algorithmen . . . . . . . . . . . . . . . . . . . . . . . . . . . 18.1 Diskrete Fourier-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . 18.2 Schnelle Fourier-Transformation am Beispiel der IDFT . . . . . . 18.3 FFT-Algorithmus am Beispiel der IDFT . . . . . . . . . . . . . . . . . . .

199 199 201 203

19 Anwendungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19.1 Schnelle Multiplikation von Polynomen . . . . . . . . . . . . . . . . . . . . 19.2 Fourier-Analyse der Sonnenfleckenaktivit¨at . . . . . . . . . . . . . . . . 19.3 Bildkompression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19.3.1 Mathematische Modellierung von Graustufenbildern . . 19.3.2 JPEG-Verfahren zur Komprimierung von Bildern . . . . . 19.3.3 Cosinus Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . 19.3.4 Reduktion auf die bekannte FFT . . . . . . . . . . . . . . . . . . . 19.4 Filter und Bildverarbeitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19.5 Wavelets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

211 211 212 215 215 215 216 216 217 220

20 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229

XII

Inhaltsverzeichnis

Teil VI Iterative Verfahren 21 Fixpunktgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233 21.1 Problemstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233 21.2 Banach’scher Fixpunktsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234 22 Newton-Verfahren zur Nullstellenbestimmung . . . . . . . . . . . . 22.1 Beschreibung des Newton-Verfahrens . . . . . . . . . . . . . . . . . . . . . . 22.2 Weitere Methoden zur Nullstellenbestimmung . . . . . . . . . . . . . . 22.2.1 Sekantenverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22.2.2 Bisektionsverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22.2.3 Newton-Verfahren f¨ ur Polynome . . . . . . . . . . . . . . . . . . . . 22.2.4 Newton-Verfahren zur Berechnung eines Minimums . . .

239 239 241 241 243 245 246

23 Iterative L¨ osung Linearer Gleichungssysteme . . . . . . . . . . . . . 23.1 Station¨ are Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23.2 Gradientenverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23.3 Vektoriteration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

249 249 254 257

24 Anwendungsbeispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24.1 Iteration und Chaos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24.1.1 Logistische Parabel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24.1.2 Komplexe Iteration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24.1.3 Newton-Iteration und Chaos . . . . . . . . . . . . . . . . . . . . . . . 24.2 Iterative Verfahren in Anwendungen . . . . . . . . . . . . . . . . . . . . . . 24.2.1 Neuronale Netze und iterative Verfahren . . . . . . . . . . . . 24.2.2 Markov-Ketten und stochastische Automaten . . . . . . . . 24.2.3 Data Mining und Information Retrieval . . . . . . . . . . . . .

261 261 261 263 264 265 265 266 268

25 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273

Teil VII Numerische Behandlung von Differentialgleichungen 26 Gew¨ ohnliche Differentialgleichungen . . . . . . . . . . . . . . . . . . . . . . 26.1 Numerische L¨ osungsverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26.2 Gew¨ ohnliche Differentialgleichungen h¨oherer Ordnung . . . . . . . 26.3 Fehleruntersuchung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26.4 Anwendungsbeispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26.4.1 R¨ auber-Beute-Modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26.4.2 Lorenz-Attraktor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26.4.3 Algebraische Differentialgleichungen und Chip-Design .

279 283 288 289 294 294 295 297

Inhaltsverzeichnis

XIII

27 Partielle Differentialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . 27.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27.2 Diskretisierungsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27.2.1 Finite Differenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27.2.2 Iterative L¨ osungsverfahren . . . . . . . . . . . . . . . . . . . . . . . . . 27.2.3 Finite-Element-Diskretisierungen . . . . . . . . . . . . . . . . . . . 27.3 Weitere Beschleunigungsmethoden . . . . . . . . . . . . . . . . . . . . . . . . 27.3.1 Adaptivit¨ at . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27.3.2 Parallelit¨ at . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

299 299 304 305 311 321 326 326 328

28 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28.1 Wetter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28.2 Tsunami . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28.3 Bildverarbeitung und PDE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

331 331 336 337

29 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339

Teil VIII Anhang A

Werkzeuge aus der Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347 A.1 Taylor-Entwicklung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347 A.2 Landau-Notation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351

B

Werkzeuge aus der Linearen Algebra . . . . . . . . . . . . . . . . . . . . . B.1 Vektoren und Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.2 Normen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.3 Orthogonale Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.4 Eigenwerte und Singul¨ arwerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.5 Bestapproximation in der .2 -Norm . . . . . . . . . . . . . . . . . . . . . .

C

Komplexe Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363

D

Fourier-Entwicklung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 367

E

Praktische Hinweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¨ E.1 Hinweise zu Ubungsund Programmieraufgaben . . . . . . . . . . . . ¨ E.2 Uberblick zu Software f¨ ur numerische Anwendungen . . . . . . . . E.3 Literaturhinweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

353 353 355 358 359 360

369 369 370 371

Literaturverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375 Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381

Teil I

Motivation und Einordnung

1 Die Entwicklung des Rechnens

”

Das Einmaleins ist mir bis auf diese Stunde nicht gel¨aufig.“ Franz Grillparzer

Die Geschichte der Menschheit ist untrennbar verbunden mit der Verwendung von Zahlen. W¨ ahrend Naturv¨ olkern zum Rechnen die beiden H¨ande gen¨ ugten, so ist die moderne Wissenschaft und Technik auf komplizierte Rechenverfahren angewiesen. Dabei haben sich Zahldarstellung, Rechenverfahren, Rechenmaschinen und technische Entwicklung, sowie der sich daraus ergebende gesellschaftliche Nutzen gegenseitig beeinflusst und vorangetrieben. Bereits zu Beginn des 2. Jahrtausends v. Chr. kannten die babylonischen Mathematiker eine Zahlenschrift, die nur einen senkrechten Nagel f¨ ur eine Eins und einen offenen Winkel f¨ ur die 10 benutzte. Ein Nagel konnte dabei – je nach seinem Abstand zu den anderen Winkeln oder N¨ageln – eine 1 oder eine 60 bedeuten. 3661 = 60 · 60 + 60 + 1 wurde so also durch drei N¨agel mit Abstand angezeigt, w¨ ahrend die drei N¨ agel ohne Abstand einfach f¨ ur 3 standen. Das Problem der eindeutigen Darstellung der Zahl 3601 wurde fast 2000 Jahre sp¨ ater gel¨ ost, indem man als Platzhalter f¨ ur eine fehlende Stelle zwei schr¨ ag hochgestellte oder liegende N¨ agel einf¨ uhrte; daher wurde also 3601 = 60 · 60 + 0 · 60 + 1 dargestellt durch zwei N¨agel, getrennt durch die beiden hochgestellten N¨ agel. Im dritten Jahrhundert v. Chr. wurde in Nordindien ein Zehnersystem entwickelt, das f¨ ur die Ziffern 1 bis 9 graphische Zeichen benutzte, und dabei f¨ ur diese Ziffern in verschiedenen Zehnerpotenzen auch verschiedene Zeichen zur Verf¨ ugung hatte, also z.B. f¨ ur 9, 90, 900, usw. jeweils ein eigenes Zeichen. Im 5. Jahrhundert n. Chr. fanden indische Mathematiker heraus, dass ihr Zahlensystem sich stark vereinfachen ließ, wenn man auf diese Unterscheidung der Potenzen verzichtete und stattdessen durch eine eigene neue Ziffer, die Null, die Auslassung einer Zehnerpotenz anzeigte. Das indische Wissen wurde durch Araber wie Mohammed Ibn Musa al-Charismi1 nach Europa weiter vermittelt. Anfang des 13. Jahrhunderts verbreitete vor allem der Mathematiker Leonardo Fibonacci aus Pisa die Kenntnis der arabischen 1

Von seinem Namen leitet sich der Begriff Algorithmus ab

4

1 Die Entwicklung des Rechnens

Ziffern in seinem liber abaci“. Aus dem arabischen Wort as-sifr (die Leere) ” kreierte er den lateinischen Namen zefirum, aus dem sich sowohl das Wort Ziffer, als auch das englische zero“ ableitet. Mit den indisch-arabischen Zei” chen konnte sich so das schriftliche Rechnen langsam durchsetzen und die r¨omischen Ziffern verdr¨ angen. Aber selbst Adam Ries (1492 bis 1559) beschrieb in seinen Rechenb¨ uchern neben dem schriftlichen Rechnen mit den arabischen Ziffern haupts¨ achlich noch das Rechnen mit Abakus, Linien und Steinen, das nur wenige, meist Verwaltungsbeamte, Kaufleute und Gelehrte beherrschten. So war wegen der Notwendigkeit des Umgangs mit immer gr¨ oßeren Zahlen durch die Einf¨ uhrung der Null die Grundlage gelegt worden, auf der sich sp¨ ater einfachere Rechenverfahren durchsetzen und in der Bev¨ olkerung verbreiten konnten. Michael Stifel f¨ uhrte bereits kurze Zeit sp¨ater die negativen Zahlen ein und pr¨ agte den Begriff Exponent. Lord John Napier (1550-1617) entdeckte den nat¨ urlichen Logarithmus und konnte auf Rechenst¨abchen (den NapierBones) eine logarithmische Skala herstellen, die das Multiplizieren von Zahlen auf einfache Weise auf die Addition zur¨ uckf¨ uhrte2 . Diese Napier Bones wurden 1650 von Edmund Gunter und William Oughtred zum ersten funktionsf¨ ahigen Rechenschieber verbessert und sp¨ ater von Isaac Newton und John Warner weiterentwickelt. Die neue Zahldarstellung mit der Null erm¨oglichte auch das Automatiseren von Rechenschritten. So baute bereits 1623 Wilhelm Schickard in T¨ ubingen die erste Rechenuhr“, und daraufhin stellte 1642 Blaise Pascal das erste ” mechanische Rechenwerk f¨ ur Addition und Subtraktion mit durchlaufendem Zehner¨ ubertrag vor. Im Jahre 1671 entwickelte Gottfried Wilhelm Leibniz eine Rechenmaschine, die bereits alle vier Grundrechenarten beherrschte. Kurz darauf beschrieb er das bin¨ are Zahlensystem, ohne das die heutige elektronische Datenverarbeitung nicht vorstellbar w¨ are. Im 19. Jahrhundert entwarf Charles Babbage eine Maschine, die sogar Logarithmen berechnen konnte. Außerdem plante er seine Differenzmaschine Nr. 2“, die getrennte Bau” gruppen f¨ ur Speicher und Rechenwerk und sogar ein Druckwerk vorsah. Diese Maschine sollte mittels Lochkarten gesteuert werden, die von Joseph-Marie Jacquard 1805 zur Steuerung von Webst¨ uhlen erfunden worden waren. In der Zeit von 1848 bis 1850 entwickelte George Boole die Boole’sche ” Algebra“, die Grundlage der heutigen bin¨ aren Rechenschaltungen. Die technische Entwicklung wurde vorangetrieben 1890 durch die Lochkartenmaschine von Herman Hollerith, die zur Volksz¨ ahlung in den USA entwickelt wurde. In den dazugeh¨ origen Leseger¨ aten steckten kleine Metallst¨abe, die an den Stellen, wo die Karte gelocht war, einen Kontakt zuließen, so dass elektrischer Strom fließen konnte. Die Auswertung der Daten dauerte mit dieser Technik statt mehrerer Monate nur einige Wochen. 2

F¨ ur positive Zahlen x und y k¨ onnen wir das Produkt x · y = exp(log(x)) · exp(log(y)) = exp(log(x) + log(y)) auf die Addition log(x) + log(y) zur¨ uckf¨ uhren.

1 Die Entwicklung des Rechnens

5

Der H¨ ohepunkt der mechanischen Rechenmaschinen war wohl mit dem ersten Taschenrechner, der Curta, erreicht. Im Konzentrationslager Buchenwald vollendete der j¨ udische H¨ aftling Curt Herzstark die Pl¨ane f¨ ur seinen Lilliput“-Rechner, der von der SS als Siegesgeschenk an den F¨ uhrer vorge” sehen war. Wieder in Freiheit wurde Herzstark in Liechtenstein Technischer Direktor der Cortina AG zur Herstellung und Vertrieb der Curta, einer verbesserten Form des Lilliput. Zur gleichen Zeit setzte die Entwicklung der elektronischen Rechner ein. Konrad Zuse entwickelte 1941 mit der Zuse Z3 den ersten Relaisrechner. Dabei verwendete er als Kompromiss zwischen der Festkomma-Zahldarstellung, mit der problemlos addiert werden kann, und einer logarithmischen Darstellung, die das Multiplizieren vereinfacht, die heute u ¨bliche Gleitpunktdarstellung. 1946 stellte John von Neumann die Fundamentalprinzipien eines frei programmierbaren Rechners auf (Prozessor, Speicher, Programm und Daten im Prozessor). Der ENIAC3 war im gleichen Jahr der erste Rechner, der R¨ohren verwendete. Die Telefunken TR 4 war der erste Computer auf der Basis von Transistor-Bausteinen. 1958 entstand der erste Chip, und 1967 eroberte der erste Taschenrechner den Markt. Neun Jahre sp¨ater wurde der erste Home-Computer Apple geboren, und 1981 begann der Siegeszug des PC4 . Inzwischen dokumentieren Schlagworte wie VLSI-Design, RISC-Architektur, Pipelining, Vektor- und Parallelrechner die rasante Entwicklung. Mit dem frei programmierbaren Computer entfiel die Beschr¨ankung auf wenige, einfache Grundrechenarten, wie sie noch mechanische Rechner pr¨agte. Ein Computer kann eine riesige Zahl unterschiedlichste Kombinationen von Rechnungen in k¨ urzester Zeit ausf¨ uhren. Damit kommt der Software, also den Programmen, die diese Computer mit Anweisungen versorgen, eine immer gr¨ oßere Bedeutung zu. Es werden auch immer komplexere Algorithmen m¨oglich, so dass ein Betriebssystem wie Windows 95 z.B. aus ca. 10 Millionen Zeilen Code besteht. F¨ ur Aufgabenstellungen, die die Leistungsf¨ahigkeit von PC’s weit u ¨ bersteigen, werden heutzutage auch Supercomputer entwickelt, um immer gr¨oßere und kompliziertere Fragestellungen in den Griff zu bekommen. Die Erstellung einer verl¨ asslichen Wettervorhersage, aber auch Schach-Computer oder die Berechnung von immer mehr Stellen der Kreiszahl π sind Herausforderungen, die sowohl die Entwicklung der Hardware als auch der Software vorantreiben. Getragen wird diese Entwicklung von der Erwartung, dass der Fortschritt in der Computerisierung auch der Menschheit dient. 3 4

Electronic Numerical Integrator and Calculator Computer kommt von lateinisch computare“. Damit bezeichneten die R¨ omer das ” Zusammenz¨ ahlen von Kerben, die man in Holz schnitzte (putare = schneiden) um einfache Rechnungen durchzuf¨ uhren. In Zusammenhang mit Rechenmaschinen wurde das Wort compute zum ersten Mal von John Fuller zur Verwendung eines Rechenschiebers 1850 gebraucht

6

1 Die Entwicklung des Rechnens

Die Zukunft wird voraussichtlich stark gepr¨agt von der weiteren Entwicklung des Computers. So k¨ onnte sich in kommenden Jahren der DNSComputer durchsetzen, der mittels biologischer Prozesse Rechenaufgaben l¨ ost. Einen alternativen Ansatz stellt der Quantencomputer dar, der auf der Basis von Energiezust¨ anden von Atomen rechnet, und dadurch unvorstellbar viele Operationen parallel durchf¨ uhren kann. Ausgangspunkt aber wird stets das menschliche Gehirn bleiben, das sich als Rechner immer schnellere Supercomputer ausdenkt und realisiert. Auch auf diesen zuk¨ unftigen Rechenanlagen wird Numerische Mathematik betrieben werden.

2 Numerische Mathematik, Reine Mathematik und Informatik

Wissenschaftliche Forschung l¨auft immer darauf hinaus, dass es ” pl¨otzlich mehrere Probleme gibt, wo es fr¨ uher ein einziges gegeben hat.“ Norman Mailer

2.1 Informatik als die Wissenschaft vom Computer Versteht man die Informatik – wie im englischen Sprachgebrauch – als die Wissenschaft vom Computer“ (Computer Science), so ist durch diese Defi” nition die Numerische Mathematik in nat¨ urlicher Weise darin eingeschlossen. Jeder, der mit dem Computer arbeitet, kommt daher auch direkt oder indirekt mit Grundverfahren der Numerik in Ber¨ uhrung. Dies gilt insbesondere f¨ ur die Bereiche Zahldarstellung und -arithmetik, Bildverarbeitung, Computergraphik und Parallelrechner, die in beiden Fachgebieten behandelt werden. Andere Verfahren wie die Gauß-Elimination oder das Newton-Verfahren sind von so grunds¨ atzlicher Bedeutung, dass sie jedem natur- oder ingenieurswissenschaftlich T¨ atigen gel¨ aufig sein sollten.

2.2 Informatik und Numerik im Wissenschaftlichen Rechnen Ein großer Bereich, in dem Numeriker und Informatiker t¨atig sind, ist der Bereich des Wissenschaftlichen Rechnens. Hier geht es darum, ein Anwendungsproblem fach¨ ubergreifend in Zusammenarbeit verschiedener Wissenschaften zu l¨ osen. An der Wettervorhersage arbeiten z.B. Meteorologen, die gewisse Modelle und Zusammenh¨ ange entwickeln, die das nat¨ urliche Wettergeschehen m¨ oglichst gut darstellen. In Zusammenarbeit mit Mathematikern werden diese Vorg¨ ange dann durch physikalische Gesetze n¨aherungsweise als mathematische Gleichungen geschrieben. Die Numerische Mathematik ist daf¨ ur

8

2 Numerische Mathematik, Reine Mathematik und Informatik

zust¨ andig, f¨ ur diese komplizierten mathematischen Gleichungen L¨osungsverfahren zu entwickeln, die dann in Zusammenarbeit mit Informatikern implementiert werden. Dazu ist es notwendig, dass die beteiligten Wissenschaftler u ugen und daher in den beteiligten ¨ber eine gemeinsame Sprache“ verf¨ ” F¨achern mitreden“ k¨ onnen. ” Auf jeder dieser Abstraktionsstufen von der Natur bis zur Implementierung k¨ onnen Fehler und Unzul¨ anglichkeiten auftreten. So kann das mathematische Modell zu grob sein, der numerische Algorithmus falsche Ergebnisse liefern, oder die Implementierung ineffizient sein. In einem solchen Fall muss jeweils das beteiligte Verfahren ausgetauscht oder verbessert werden. Der Informatiker ist in diesem Prozess f¨ ur die Effizienz der Implementierung verantwortlich; Stichworte sind hier Rechenzeit, Speicherverwaltung, Ber¨ ucksichtigung von Cache-Effekten, Einsatz von Parallelrechnern. Daneben besch¨ aftigt sich die Informatik aber auch mit Fragen der Entwicklung und dem Einsatz geeigneter Rechnerarchitekturen, Compiler, Programmiertechniken und Visualisierungstools. Der Numeriker besch¨ aftigt sich u.a. mit der Entwicklung effizienter, schneller Algorithmen und Methoden, die das mathematische – zumeist kontinuierliche – Problem m¨ oglichst gut diskret approximieren. Besondere Aufmerksamkeit muss dabei auf Rechengenauigkeit und Rundungsfehlerentwicklung gelegt werden. Im Wissenschaftlichen Rechnen treten auf jeder Ebene Fehler auf: – Die Natur l¨ asst sich offensichtlich nicht vollst¨andig durch mathematische Gleichungen beschreiben; einige Effekte wie Reibung werden oft vernachl¨ assigt oder die Gr¨ oße des betrachteten Gebietes wird reduziert, um u ¨ berhaupt bei der derzeitigen Rechnerkapazit¨at und -geschwindigkeit eine L¨ osung in vern¨ unftiger Zeit zu erhalten. – Die kontinuierlichen Gleichungen werden diskretisiert, um z.B. Gleichungssysteme zu erhalten, die auf dem Rechner gel¨ost werden k¨onnen. Hierbei tritt ein sogenannter Diskretisierungsfehler auf. Durch ungeschickte Wahl des Modells kann es passieren, dass das diskretisierte Modell zu Ergebnissen f¨ uhrt, die mit dem Ausgangsproblem nicht mehr u ¨ bereinstimmen, die die Wirklichkeit also schlecht oder gar nicht beschreiben. – Bei der numerischen L¨ osung des diskretisierten Problems k¨onnen sich durch Rundungsfehler w¨ ahrend der Berechnung so viele zus¨atzliche Fehler ansammeln, dass die berechneten Werte weit entfernt von der gesuchten L¨osung des diskretisierten Problems sind. Um in diesem Prozess der Modellierung auf jeder Stufe brauchbare Ergebnisse zu erhalten, werden also Wissenschaftler ben¨otigt, die auch in der Numerischen Mathematik u ugen (genauso wie Mathe¨ ber Vorkenntnisse verf¨ matiker, Numeriker und Naturwissenschaftler, die zus¨atzlich auf dem Gebiet der Informatik ausgebildet sind).

2.3 Numerische Methoden in der Informatik

9

2.3 Numerische Methoden in der Informatik Auch in eigentlichen Kernbereichen der Informatik treten Probleme auf, die sich nur mit Mitteln der Numerik behandeln lassen. Als wichtigste Gebiete w¨ aren hier zu nennen: – – – – – – –

Implementierung mathematischer Funktionen Computergraphik (Darstellung von Objekten) Bildverarbeitung (Kompression, Analyse, Bearbeiten) Neuronale Netze (Lernverfahren) Information Retrieval (Vektorraummodell) Chip Design (Algebraische Differentialgleichungen) stochastische Automaten und Markov-Ketten (Prozessverwaltung, Warteschlangen)

Wir werden in den jeweiligen Kapiteln f¨ ur die Informatik besonders relevante Anwendungsbeispiele aus den oben genannten Bereichen pr¨asentieren.

3 Ben¨ otigtes Grundwissen aus Informatik und Mathematik

”

Der Anfang ist die H¨alfte des Ganzen.“ Aristoteles

3.1 Informatik In einf¨ uhrenden Informatik-Vorlesungen wird u ¨ blicherweise die Zahldarstellung im Rechner behandelt. Entscheidend f¨ ur uns ist dabei die Tatsache, dass ein endlicher Speicher selbstverst¨ andlich auch nur eine beschr¨ankte Anzahl von Stellen einer potentiell unendlich langen Zahl aufnehmen kann. Die Anzahl der auf dem Computer darstellbaren Zahlen ist somit beschr¨ankt. Damit unmittelbar verbunden sind Rundungsfehler, die beim Darstellen bzw. beim Rechnen mit beliebigen Zahlen unausweichlich auftreten werden. Bei der Programmierung orientiert sich die Informatik an funktionalen, objekt-orientierten, maschinennahen und imperativen Sprachen. In der Numerik werden haupts¨ achlich einfache imperative Sprachen wie FORTRAN oder C verwendet, inzwischen aber auch verst¨arkt objekt-orientierte Sprachen (C++, JAVA). Die wesentlichen Befehle sind dabei FOR- und WHILESchleifen sowie die IF-Anweisung in Verbindung mit mehrdimensionalen Feldern (Arrays, Vektoren, Matrizen). Auch komplexe Zahlen k¨onnen als Datentyp auftreten. In einzelnen F¨ allen spielen auch Rekursionen in Verbindung mit divide-and-conquer-Strategien eine wichtige Rolle. Weitere Teilgebiete der Informatik mit direktem Bezug zur Numerik sind die Komplexit¨ atstheorie und die Besch¨ aftigung mit effizienten Algorithmen. Relevante Fragestellungen sind hier z.B. die Bestimmung der Zeit- und Speicherkomplexit¨ at wichtiger numerischer Verfahren.

3.2 Einordnung in die Mathematik Die sogenannte Reine Mathematik“ liefert i.Allg. Aussagen u ¨ber die Existenz ” und Eindeutigkeit von L¨ osungen, aber nicht unbedingt die L¨osung selbst.

12

3 Ben¨ otigtes Grundwissen aus Informatik und Mathematik

So kann es aus Sicht der Existenz- und Eindeutigkeitstheorie vollkommen gen¨ ugen, eine L¨ osung in der Form ∞ a=

2

e−t dt,

x = A−1 b ∈ IRn

oder

y mit f (y) = 0,

0

anzugeben, w¨ ahrend der Anwender nat¨ urlich die L¨osungszahlen a und y bzw. den L¨ osungsvektor x in expliziter Form ben¨otigt. Auf dieser Basis lassen sich aber nur unbefriedigend quantitative Aussagen gewinnen. Daher wird es im Folgenden unsere Aufgabe sein, diese in expliziter Form anzugeben, und zwar m¨ oglichst exakt und m¨ oglichst effizient. In Computeralgebrasystemen wie MAPLE oder MATHEMATICA wird dieser Unterschied sehr deutlich: Bis zu einem gewissen Punkt ist es m¨ oglich, Ergebnisse formal implizit zu beschreiben; dann muss aber oft doch zu numerischen Rechnungen u ¨ bergegangen werden, um quantitative Resultate zu erhalten. Numerik l¨ asst sich somit vereinfachend als die Wissenschaft umschreiben, die versucht, die mathematischen Probleme, die im Zusammenhang mit quantitativen Aussagen auftreten, m¨ oglichst effizient und exakt zu l¨osen. Voraussetzung zum Verst¨ andnis dieses Buches sind nur elementare Vorkenntnisse aus der Mathematik, die normalerweise Stoff einf¨ uhrender Mathematik-Vorlesungen f¨ ur Informatiker und Naturwissenschaftler sind. Hilfsmittel, die dar¨ uber hinaus gehen, sind im Anhang kurz und verst¨andlich zusammengefasst. Dies sind im Wesentlichen: – – – –

Ableitungen und Integrale, Taylor-Reihe und Mittelwertsatz, Matrizen und Normen, komplexe Zahlen.

3.3 Beziehung zu anderen natur- und ingenieurwissenschaftlichen Fachgebieten Naturwissenschaftler und Ingenieure verf¨ ugen in der Regel u ¨ ber gute mathematische Vorkenntnisse, so dass die Lekt¨ ure des Buches auch f¨ ur diesen Personenkreis ohne Schwierigkeiten m¨ oglich sein sollte. Viele der beschriebenen Anwendungsbeispiele sind außerdem eng verkn¨ upft mit naturwissenschaftlichen oder technischen Fragestellungen, so dass sich das vorliegende Werk auch gerade f¨ ur Studierende eignet, die nicht Mathematik oder Informatik studieren.

Teil II

Rechnerarithmetik und Rundungsfehler

4 Rundungs- und Rechenfehler

”

Was immer ein endliches Wesen begreift, ist endlich.“ Thomas von Aquin

Die Leistung von integrierten Schaltkreisen, gemessen in ausgef¨ uhrten Transistorfunktionen, verdoppelt sich seit ca. 1962 im Durchschnitt alle 18 Monate, siehe [13] und Abb. 4.1 links. Der Herstellungspreis pro Transistor f¨allt entsprechend rasant, siehe Abb. 4.1 rechts: Ein Transistor kostet zur Zeit ungef¨ ahr soviel wie das Drucken eines einzelnen Buchstabens in einer Zeitung. Gordon E. Moore, ein Gr¨ under der Firma Intel, erkannte in der damals noch jungen Halbleitertechnologie diese Gesetzm¨ aßigkeit, siehe [84], die als Moores Gesetzm¨aßigkeit bekannt wurde. Daran gekoppelt steigt die Anzahl der vier arithmetischen Grundoperationen +, −, · und ÷, die ein Rechner pro Sekunde durchf¨ uhren kann, und liegt im Vergleich zum Kopfrechnen um Gr¨oßenordnungen h¨ oher, siehe die Aufgaben 25 und 26. Wir kommen nochmals in der Anmerkung 11 auf den technischen Zusammenhang zwischen Transistoren und arithmetischen Grundoperationen zur¨ uck. Ein Ende dieser Leistungssteigerung ist nicht abzusehen. Zwar sind die Grenzen der Silizium-Technik bald erreicht, wie vorher auch schon die Grenzen der Relais-, Elektronenr¨ohrenoder Transistortechnik, doch kann man davon ausgehen, dass Computer auch in der Zukunft immer weiter verkleinert werden. Im Vergleich zur Anwendung eines Taschenrechners oder dem Kopfrechnen werden mit dem Computer die vier Grundoperationen sogar noch mit un¨ uberbietbarer Zuverl¨ assigkeit ausgef¨ uhrt. Arithmetische Berechnungen lassen sich effizient und verl¨ asslich durchf¨ uhren und finden immer mehr relevante Anwendung in der Praxis, z.B. in der – Telekommunikationstechnik f¨ ur Mobiltelefone, – Verkehrstechnik f¨ ur Eisenbahnsignalanlagen, Antiblockiersysteme, Aufz¨ uge, Fahrtreppen und Verkehrsampeln, – Medizintechnik f¨ ur Infusionspumpen und Beatmungsger¨ate, – Be- und Verarbeitungstechnik f¨ ur Pressen, Industrieroboter und Werkzeugmaschinen sowie – Energie- und Verfahrenstechnik f¨ ur Reaktorschutz, Chemieanlagen, Brennersteuerung und Flamm¨ uberwachung

16

4 Rundungs- und Rechenfehler Moore’s Law 10

Kosten pro Transistor

1

10

Intel Dual Core Itanium

109

0.1 Intel Itanium 2

8

10

Kosten in US−Dollar

Anzahl Transistoren

Intel Pentium 4 7

10

Intel Pentium TM

Intel486

6

10

TM

Intel386 286

5

10

8086 10.000

0.01

0.001

10−4

−5

10

4004 1.000

−6

10 100 Gordon Moore, 1965 10 1960

−7

10 1965

1970

1975

1980

1985

1990

1995

2000

2005

1960

1965

1970

1975

1980

1985

1990

1995

2000

2005

Abb. 4.1. Die Leistungssteigerung der jeweils aktuellsten Rechner seit 1962 ist links dargestellt: Die Anzahl der Transistorfunktionen ist halblogarithmisch gegen die Jahreszahl aufgetragen. Die Abbildung rechts zeigt die Herstellungskosten eines einzelnen Transistors seit 1968: Der Preis der Transistoren ist in US-Dollar halblogarithmisch gegen die Jahreszahl aufgetragen.

und sind so unbemerkt als sogenannte reaktive Systeme1 , wie z.B. ein Kraftfahrzeug in Abb. 4.2, ein Teil des t¨ aglichen Lebens

Abb. 4.2. Ein Autombil als Beispiel f¨ ur ein reaktives System (Grafik: Mit freundlicher Genehmigung der BMW AG). 1

Ein reaktives System bezeichnet allgemein ein ereignisgesteuertes System, in dem die Ausf¨ uhrungsreihenfolge der Berechnungsmethoden wesentlich durch externe Ereignisse und Daten aus der Umgebung bestimmt ist. Ein reaktives System beobachtet st¨ andig seine Umgebung und ist daher auch ein Echtzeitsystem.

4 Rundungs- und Rechenfehler

17

geworden. Die Rechner in diesen reaktiven Systemen werden h¨aufig nicht sachgem¨ aß eingesetzt und die daraus resultierenden Probleme mit dem rechnergest¨ utzten L¨osen insbesondere mathematischer Aufgabenstellungen u ¨ bersehen, n¨ amlich 1. eine Zahl kann nur mit endlicher Genauigkeit in einem Rechner gespeichert und verarbeitet werden, 2. in einem Speicher kann nur eine endliche Anzahl von Zahlen aufgenommen werden sowie 3. jeder Rechner kann die vier arithmetischen Grundoperationen +, −, · und ÷ nur n¨aherungsweise korrekt durchf¨ uhren. Der Umgang mit diesen Ungenauigkeiten ist ein wesentlicher Gegenstand der numerischen Mathematik und ist auf ein gemeinsames Grundproblem zur¨ uckzuf¨ uhren: Jeder Rechner verf¨ ugt nur u ¨ber einen begrenzten, endlichen Speicherplatz, w¨ ahrend die zu l¨ osenden Aufgabenstellungen meist mit Hilfe umfassenderer Mengen, wie etwa der Menge der reellen Zahlen IR formuliert werden. Wir stecken somit in dem Dilemma, die unendliche Menge IR, deren Zahlen auch aus unendlich vielen Ziffern bestehen, approximieren zu m¨ ussen mit einer endlichen, noch zu w¨ ahlenden Menge IM der in einem Rechner repr¨asentierbaren Zahlen. Wir geben dieser Menge IM einen Arbeitstitel in der Definition 1 (Maschinenzahlen). Die endliche Menge IM ⊂ IR der in einem Rechner darstellbaren Zahlen heißt Menge der Maschinenzahlen. Wir analysieren die Eigenschaften der endlichen Menge IM ohne zun¨achst auf eine konkrete Konstruktion der Menge IM einzugehen. Die vom Rechnen mit den reellen Zahlen IR gewohnten Eigenschaften, wie z.B. Assoziativit¨at, Kommutativit¨ at oder Monotonie der Rundung, sind z.T. prinzipiell nicht mit einer endlichen Menge IM vereinbar oder sind nur f¨ ur konkret angegebene Mengen IM nachweisbar, siehe [74]. Beispiele f¨ ur Mengen IM von Maschinenzahlen werden wir in Abschnitt 5 kennen lernen. Wir interessieren uns zun¨ achst allgemein f¨ ur die Auswirkungen der Endlichkeit der Menge IM auf das Rechnen mit einem Computer. Die daraus resultierenden Folgerungen untersuchen wir in den anschließenden Kapiteln. Das zentrale Problem basiert unmittelbar auf der Endlichkeit der Menge IM: Denn sei m > 1 die gr¨ oßte positive Maschinenzahl der Menge IM, so sind z.B. die beiden Zahlen m + m > m und m · m > m > 1 nicht mehr in der Menge IM enthalten. Weniger offensichtlich entsteht dieses Problem auch bei der Berechnung des arithmetischen Mittelwerts (m + n)/2 zweier Maschinenzahlen m, n ∈ IM, die in der Menge IM direkt aufeinander folgen. Denn wenn keine Zahl r ∈ IR mit m ≤ r ≤ n in der Menge IM enthalten ist, kann folglich auch das arithmetische Mittel nicht dargestellt werden. Wir verdeutlichen dies im Beispiel 1. Wir w¨ ahlen die Menge IM = {0, . . . , 10}. Das sind gerade alle ganzen Zahlen, die wir mit den Fingern beider H¨ande darstellen k¨onnen. Die

18

4 Rundungs- und Rechenfehler

Zahlen 10+10 = 20, 10·10 = 100 oder das arithmetische Mittel (5+6)/2 = 5.5 der aufeinander folgenden Zahlen 5 und 6 sind in IM nicht repr¨asentierbar, wie Sie sich eigenh¨ andig u onnen. ¨berzeugen k¨ Diesen Sachverhalt halten wir fest im Theorem 1 (Endlichkeit und Abgeschlossenheit von IM). Die beiden Bedingungen Endlichkeit der Menge IM und Abgeschlossenheit der Menge IM gegen¨ uber den vier arithmetischen Grundoperationen sind nicht vereinbar. Diese grundlegende Erkenntnis hat weitreichende Konsequenzen f¨ ur die Durchf¨ uhrung der arithmetischen Grundoperationen in einem Rechner, mit der wir uns in Abschnitt 4.2 sowie Kapitel 6 besch¨aftigen. Wir entwickeln die wesentlichen Gedankeng¨ ange exemplarisch am Beispiel der Addition. Die Ergebnisse gelten in gleicher Weise auch f¨ ur die drei anderen arithmetischen Grundoperationen: Subtraktion, Multiplikation sowie Division.

4.1 Rundungsfehler Die Menge der reellen Zahlen IR approximieren wir durch die Menge der Maschinenzahlen IM. Die Darstellung einer reellen Zahl r ∈ IR als Maschinenzahl m ∈ IM wird durch Abbildungen vermittelt. Diese Abbildungen m¨ ussen mindestens zwei Anforderungen erf¨ ullen, siehe dazu die Definition 2 (Rundung). Eine Abbildung rd : IR −→ IM von den reellen Zahlen IR in die Teilmenge der Maschinenzahlen IM ⊂ IR bezeichnen wir als Rundung, wenn die zwei Bedingungen rd(m) = m

∀ m ∈ IM.

und r≤s

⇒

rd(r) ≤ rd(s)

∀ r, s ∈ IR

erf¨ ullt sind2 . Die Rundungsabbildung ist in Programmiersystemen unterschiedlich umgesetzt. Die Diskussion der Eigenschaften einer Rundung rd f¨ uhrt an dieser Stelle zu weit und wir verweisen auf die detaillierte Analyse der Rundungsabbildung im Zusammenhang mit endlichen Mengen IM ebenfalls auf [74]. Ein Beispiel f¨ ur eine konkrete Rundung findet sich in der Definition 16 im Abschn. 5.5.3. Die Vielzahl existierender Rundungen unterscheidet sich genau in der Zuordnung der Zahlen aus IR\IM auf IM. 2

Andere Definitionen verlangen zus¨ atzlich die Bedingung rd(−r) = −rd(r) ∀ r ∈ IR.

4.2 Rechenfehler

19

Anmerkung 1 (Implementierung der Rundungsabbildung). Die Mehrdeutigkeit in der Implementierung der Rundung rd stellt eine zus¨atzliche Fehlerquelle dar. Dies muss insbesondere bei der Entwicklung von robuster Software3 beachtet werden, die auf verschiedenen Plattformen zuverl¨assig ausgef¨ uhrt werden soll; so z.B. bei Entwicklung der Software auf einem Hostprozessor und Einsatz der Software auf einem Targetprozessor. ¨ Ubung 1 (Doppeldeutige Abbildung). Warum definiert die Gleichung m = rdmin (r) mit |r − m| = minn∈IM |r − n| keine Rundung rdmin ? Wir wollen den prinzipiellen Fehler, den wir bei der Rundung machen, analysieren. Wir abstrahieren von der konkreten Wahl der Rundung in der Definition 3 (Rundungsfehler). Der Fehler frd (r) ∈ IR, der beim Runden nach Definition 2 f¨ ur die reelle Zahl r ∈ IR gemacht wird, heißt Rundungsfehler und ist gegeben durch frd (r) := δr := r − rd(r).

(4.1)

Jede Zahl r ∈ IR\IM produziert nach (4.1) den Rundungsfehler frd (r) = 0. Wir halten dies fest in der Anmerkung 2 (Charakterisierung der Maschinenzahlen). Die Zahl r ∈ IR ist genau dann eine Maschinenzahl aus der Menge IM, wenn frd (r) = 0, d.h. frd (r) = 0 ⇔ r ∈ IM. In einem Rechner werden auch die Rechenoperationen nur innerhalb der Maschinenzahlen IM durchgef¨ uhrt. Diese zus¨ atzliche Fehlerquelle analysieren wir im folgenden Abschnitt.

4.2 Rechenfehler Die Addition + ist eine zweistellige Verkn¨ upfung von reellen Zahlen r, s ∈ IR in die reellen Zahlen IR 3

Software-Schwachstellen werden mit dem englischen Begriff bug bezeichnet und bedeutet auf Deutsch K¨ afer oder Insekt. Diese Bezeichnung geht angeblich auf ein Ereignis aus dem Jahr 1945 zur¨ uck: Der Großrechner Harvard Mark II des US-Marine-Waffenzentrum in Dahlgren, Virginia, einer der damals ersten Großrechner der Welt, arbeitete noch mit mechanischen Relais. Der Rechner wurde lahm gelegt durch eine Motte, die in einem der Schalter festgeklemmt war. Die Wissenschaftlerin Grace Hopper entfernte diese Motte und klebte sie in ihr Fehler-Logbuch und dokumentierte so das erste debugging“ eines Systems. Dieser Fehlerreport inklusive der Motte ” soll noch heute im Smithsonian Institute zu besichtigen sein.

20

4 Rundungs- und Rechenfehler

+ : IR × IR −→ IR, (r, s) −→ r + s.

(4.2)

Das Ergebnis einer Verkn¨ upfung, wie z.B. der Addition, muss nach Theorem 1 nicht notwendigerweise in der Menge der Maschinenzahlen IM enthalten sein. Die Summe muss allerdings wieder durch eine Zahl der Menge IM dargestellt und daf¨ ur ggf. in die Menge der Maschinenzahlen IM gerundet werden. Dieses Vorgehen f¨ uhrt zu einem systematischen Fehler, den wir untersuchen wollen. Wir f¨ uhren dazu eine zweite bin¨ are Verkn¨ upfung +IM ein, die die Addition im Rechner auf der Basis der Maschinenzahlen IM vermittelt. Zur Vereinfachung fordern wir von der diskreten Maschinenoperation +IM , dass zwei Maschinenzahlen m und n wegen IM ⊂ IR zun¨achst wie reelle Zahlen exakt addiert werden und erst dann deren Summe m + n in die Menge der Maschinenzahlen gerundet wird +IM : IM · IM −→ IM, m +IM n −→ rd(m + n).

(4.3)

Der dabei auftretenden Fehler soll quantifiziert werden k¨onnen. Wir machen daher analog zur Definition 3 die Definition 4 (Rechenfehler). Den Fehler fre (m, n) ∈ IR, der beim Rechnen durch (4.3) f¨ ur die Zahlen m, n ∈ IM gemacht wird, bezeichnen wir als Rechenfehler und er ergibt sich aus fre (m, n) := (m + n) − (m +IM n) .

(4.4)

Die Basis f¨ ur eine Analyse ist damit geschaffen und wir k¨onnen den Gesamtfehler einer arithmetischen Operation untersuchen.

4.3 Gesamtfehler Wir interessieren uns f¨ ur den Gesamtfehler f+ ∈ IR der n¨aherungsweisen Addition, den wir durch die Rundung rd der Eingabedaten r, s ∈ IR in Maschinenzahlen und die darauf folgende Maschinenoperation +IM verursachen. Wir ersetzen die beiden Summanden r und s durch ihre Approximationen rd(r) und rd(s) sowie die exakte Addition + durch die Maschinenaddition +IM und erhalten f¨ ur den Gesamtfehler f+ := (r + s) − (rd(r) +IM rd(s)) . Wir f¨ ugen die Zahl Null 0 = − (rd(r) + rd(s)) + (rd(r) + rd(s)) in (4.5) ein und erhalten

(4.5)

4.4 Analyse weiterer Fehlerquellen

21

f+ = (r + s) − (rd(r) + rd(s)) + (rd(r) + rd(s)) − (rd(r) +IM rd(s)) .       =:fIR→IM

¨ Ubergang von IR zu IM

=:f+→+IM

¨ Ubergang von + zu +IM

(4.6) Aus Gleichung (4.6) lernen wir, dass sich der Gesamtfehler f+ aus zwei ¨ Anteilen zusammensetzt, die sich jeweils beim Ubergang von einer idealisierten zu einer im Rechner formulierten Aufgabenstellung ergeben. Dabei entsteht der erste Fehleranteil fIR→IM in (4.6) aus der Summe der Rundungsfehler (4.1) f¨ ur die beiden Summanden r und s fIR→IM := (r + s) − (rd(r) + rd(s)) = (r − rd(r)) + (s − rd(s)) = frd (r) + frd(s),

(4.7)

und der zweite Fehleranteil f+→+IM in (4.6) aus der Rechnerarithmetik auf den Maschinenzahlen rd(r) und rd(s) der auszuf¨ uhrenden Summe f+→+IM := (rd(r) + rd(s)) − (rd(r) +IM rd(s)) = fre (rd(r), rd(s)).

(4.8)

Wir wollen die Fehleranteile (4.7) und (4.8) so klein wie m¨oglich halten. Dazu m¨ ussen wir verstehen, wie 1. die Menge der Maschinenzahlen IM konstruiert und dargestellt wird, siehe Abschnitt 5, 2. die elementaren arithmetischen Grundoperationen, wie z.B. die n¨aherungsweise Addition +IM , durchgef¨ uhrt werden, siehe Abschnitt 6 und 3. sich ein Fehler in einer Folge von hintereinander auszuf¨ uhrenden elementaren Rechenoperationen fortpflanzt, siehe Abschnitt 7. Abschließend soll der Inhalt dieses Abschnitts vertieft werden, in der ¨ Ubung 2 (Gesamtfehler f¨ ur Multiplikation). F¨ uhren Sie den Gesamtaherungsweise Multiplikation ·IM im Rechner entfehler f· , der durch die n¨ steht, analog auf die beiden Fehleranteile Rundungsfehler und Rechenfehler zur¨ uck. Was muss zus¨ atzlich beachtet werden?

4.4 Analyse weiterer Fehlerquellen Rundungs- und Rechenfehler sind nicht die einzigen Fehler, die bei reaktiven Systemen auftreten k¨ onnen: Sensoren liefern z.B. Messwerte mit begrenzter Genauigkeit. Diese dritte Fehlerquelle beruht auf unvermeidlichen Fehlern in den Eingabedaten. In diesem Abschnitt weisen wir zus¨atzlich auf weitere methodische Fehlerquellen hin.

22

4 Rundungs- und Rechenfehler

Eine Aufgabenstellung leitet sich in der Regel von einem vorliegenden Problem P ab. Die entsprechende Ausgangsbeschreibung ist i.Allg. zu abstrakt formuliert und kann nur mit hinreichender Aufbereitung von einem Rechner gel¨ ost werden. So erfordert z.B. die numerischen Vorhersage des Wetters, die das Wetter bestimmenden physikalischen Gesetze in mathematische Formeln zu fassen. Die Abh¨ angigkeiten der relevanten Gr¨oßen voneinander beschreiben wir quantitativ mit einem System partieller Differentialgleichungen, siehe auch Abschnitt 28.1. Wir erhalten ein Modell M des Problems P . Wenn wir das zugrunde liegende Modell M rechnergest¨ utzt l¨osen wollen, m¨ ussen ¨ wir eine rechnergeeignete Formulierung des Modells M finden. Dieser Ubergang ist i.Allg. nicht einfach, denn kontinuierliche Operatoren wie z.B. Differentialquotienten oder Integrale m¨ ussen durch eine endliche Folge der vier arithmetischen Grundoperationen approximiert4 werden. Wir bezeichnen diese Transformation als Diskretisierung und erhalten ein diskretes Modell D des urspr¨ unglichen Problems P . Die Wahl der angemessenen Datentypen und der numerischen Berechnungsmethoden ist in diesem Schritt von zentraler Bedeutung. In vielen Anwendungsbeispielen k¨ onnen wir das diskrete Modell D aufgrund nicht akzeptabler Rechenzeiten nicht exakt l¨osen und m¨ ussen uns mit einer n¨ aherungsweisen L¨ osung L des diskreten Modells D zufrieden geben. So brechen z.B. iterative Berechnungsmethoden beim Erreichen einer vorgegebenen Genauigkeit den L¨ osungsvorgang ab. Schließlich m¨ ussen wir die gefundene L¨ osung, die i.Allg. durch eine nicht u ¨ berblickbare Anzahl von Zahlen repr¨ asentiert wird, geeignet aufbereiten. Wir m¨ ussen die L¨osung L z.B. graphisch anzeigen und stellen die L¨ osung L mittels einer Visualisierung V dar. Die G¨ ute einer Darstellung V des urspr¨ unglichen Problems P l¨asst sich mit dem Gesamtfehler, symbolisiert mit |P − V |5 , absch¨atzen. Der Gesamtfehler |P − V | setzt sich aus folgenden vier Teilen zusammen ¨ 1. Modellierungsfehler |P − M | beim Ubergang vom konkret gestellten Problem P zum Modell M , ¨ 2. Diskretisierungsfehler6 |M − D| beim Ubergang vom aufgestellten Modell M zum diskreten Modell D, 3. Abbruchfehler |D − L|, der entsteht, wenn ein unendlicher durch einen endlichen L¨osungsprozess ersetzt wird wegen beschr¨ankter Ressourcen Speicherplatz und Laufzeit - h¨ aufig steht auch nicht so sehr der Wunsch 4 5

6

Die vier arithmetischen Grundoperationen erlauben, wenn u ¨ berhaupt, nur eine exakte Berechnung von rationalen Ausdr¨ ucken. Die ausf¨ uhrliche Definition der Begriffe Differenz − und Norm |.| sind sehr spezifisch f¨ ur die unterschiedlich abstrakten Beschreibungen P, M, D, L und V und damit abh¨ angig von der vorliegenden Aufgabenstellung und f¨ ur das weitere Verst¨ andnis an dieser Stelle nicht notwendig. Aufgabenstellungen bzw. numerische Algorithmen werden in der Regel mit Hilfe der reellen Zahlen IR formuliert bzw. hergeleitet und in einem Rechner mit Hilfe von Maschinenzahlen IM sowie der vier Grundrechenarten Addition, Subtraktion, Multiplikation und Division implementiert.

4.4 Analyse weiterer Fehlerquellen

23

nach exakten Ergebnissen im Vordergrund, sondern schnell und einfach zu brauchbaren N¨ aherungsergebnissen zu kommen - und 4. Darstellungsfehler |L − V |, den wir im letzten Schritt machen. Ein anschauliches Beispiel f¨ ur einen Darstellungsfehler ist der so genannte Anmerkung 3 (Heisenberg-Effekt der Arithmetik). Die Gleitkommaeinheit eines Rechners kann intern mit h¨ oherer Genauigkeit rechnen, so verwenden z.B. Intel Prozessoren den Datentyp long double mit der Wortbreite von 80 Bit. Viele Software-Werkzeuge arbeiten allerdings nicht mit der internen Genauigkeit, sondern nur mit doppelter Genauigkeit, und so kann es vorkommen, dass die Genauigkeit des Endergebnisses einer Berechnung davon abh¨angt, ob und ggf. mit welcher Genauigkeit Zwischenergebnisse einer internen Berechnung gespeichert werden. So kann z.B. die Darstellung eines Zwischenergebnisses auf dem Bildschirm das Zahlenformat der Zwischenergebnisse ¨andern und somit die Genauigkeit des Endergebnisses7. Der Gesamtfehler |P − V | kann mit den vier Fehleranteilen durch die untere Schranke max {|P − M |, |M − D|, |D − L|, |L − V |} ≤ |P − V |

(4.9)

und die obere Schranke |P − V | ≤ |P − M | + |M − D| + |D − L| + |L − V |

(4.10)

abgesch¨ atzt werden. Wir lesen aus (4.9) ab: Eine konkrete L¨ osung L k¨onnen wir nur dann akzeptieren, wenn in allen vier Schritten Fehler derselben Gr¨oßenordnung gemacht wurden. Es ist daher z.B. nicht n¨ otig, das diskrete Problem D ohne Fehler zu l¨ osen, wenn das zugrunde liegende Modell M das Problem P nur unzureichend beschreibt. H¨ aufig sind Modelle M auch zu detailliert, um eine L¨ osung L in absehbarer Zeit berechnen zu k¨ onnen. In beiden F¨allen m¨ ussen wir abw¨ agen, denn ein zu viel“ an Modell M bedeutet im Gegenzug oft ” ein zu wenig“ an L¨ osung L und umgekehrt. Die Absch¨atzung (4.10) zeigt ” andererseits, dass f¨ ur eine Aussage u ute der L¨osung L der gesamte ¨ ber die G¨ L¨osungsprozess beachtet werden muss. Bevor wir zum Ende dieses Kapitels kommen, machen wir nochmals einen Exkurs in eine ganz menschliche Fehlerquelle in der Anmerkung 4 (Weltraumsonde auf Crashkurs). Die Mars-Sonde Climate Orbiter verfehlte im Jahr 1999 kurz vor dem Ende der Reise das Ziel. Eine falsche Maßeinheit war daran schuld. Die vom Zulieferer Lookheed Martin Astronautics verwendeten Steuerungsd¨ usen arbeiteten bei der Angabe der wirkenden Kraft mit englischen Einheiten und nicht mit den von der 7

Ein Beispiel findet sich z.B. auf www.inf.ethz.ch/news/focus/res_focus/ april_2005/.

24

4 Rundungs- und Rechenfehler

US-Raumfahrtbeh¨ orde NASA geforderten metrischen Einheiten. Der Fehler wurde weder vor dem Start erkannt noch w¨ ahrend des Fluges korrigiert. Die falsch interpretierten Werte f¨ ur die small forces“ ver¨anderten den Kurs auf ” der 670 Millionen Kilometer langen und zehn Monate dauernden Reise nur leicht. Die 125 Millionen US-Dollar teure Sonde kam dann dem Mars beim Einschwenken auf eine Umlaufbahn zu nahe und wurde dabei zerst¨ort.

4.5 Sicherheitsrelevante Entwicklungsprozesse und Standards Diese und ¨ ahnliche Missverst¨ andnisse ergeben sich z.B. aus fehlerhafter Kommunikation zwischen den Entwicklungsingenieuren8 oder fehlendem Gesamtsystemverst¨ andnis, siehe dazu die Anmerkung 13. Die zus¨atzlichen Fehlerquellen sind z.B. Spezifikations-, Programmier- oder Fertigungsfehler sowie Instandhaltungs-, Nutzungs- und Handhabungsfehler bis hin zum bewusst falschen Einsatz: der Sabotage. Diese Fehlerquellen k¨onnen z.B. auf mangelnde prozesstechnische Vorgaben in der Entwicklung oder auf unvollst¨andigen ¨ Ubergabeprozessen der Entwicklungsartefakte zwischen den Entwicklungsabteilungen, wie auch zwischen Zulieferer und Hersteller, zur¨ uckgef¨ uhrt werden. Der Gesetzgeber fordert daher fehlerrobuste Entwicklungsprozesse, um Vertrauen in die Entwicklungsprodukte, wie z.B. Steuerger¨atesoftware, gewinnen zu k¨ onnen. Diese Anforderungen k¨ onnen aus abstrakt formulierten, international g¨ ultigen Normen abgeleitet werden, wie z.B. aus der Norm ISO 9000 - Quality Management and Quality Assurance Standards, siehe [62], die einen allgemeinen Rahmen f¨ ur Qualit¨ atsmanagementsysteme unabh¨angig vom angewendeten Entwicklungsbereich definiert. Die beiden Normen IEC 60880 - Software for Computers important to Safty for Nuclear Power Plants; Software aspects of Defence against common Cause Failures, Use of Software Tools and of Predeveloped Software, siehe [58], die speziell f¨ ur die Sicherheitssoftware in Kernreaktoranlagen entwickelt wurde und die IEC 61508 - Functional Saftety of Electrical/Electronic/Programmable Electronic Safety-Related Systems, siehe [59], die aus der Anlagensteuerung stammt, sind spezifisch f¨ ur die Softwarebranche und geben vor, wie sowohl die Software zu entwickeln ist, als auch, wie die Software auszusehen hat, um in sicherheitsrelevanten Systemen eingesetzt werden zu k¨ onnen. Der Anwendungsbereich speziell der IEC 61508 ist somit die funktionale Sicherheit von Rechnern, die in rechnergest¨ utzten Systemen Einfluss auf die Abwendung von Gefahren f¨ ur Leib und Leben oder die Gesundheit von Personen sowie Umweltsch¨aden haben. Die IEC 61508 fordert z.B. die Verwendung einer formalen Methode um verschiedenartige 8

Ein klassisches Beispiel f¨ ur ein Missverst¨ andnis zwischen Informatikern und Mathematikern ist, ob mit der Zahl 0 oder der Zahl 1 begonnen wird zu z¨ ahlen.

4.5 Sicherheitsrelevante Entwicklungsprozesse und Standards

25

Klassen von Unstimmigkeiten und Fehlern erkennen zu k¨onnen. Eine formale Methode bietet i.Allg. an: 1. eine Notation, wie z.B. diskrete Mathematik, 2. ein Verfahren zur Aufstellung einer Beschreibung in dieser Notation und ¨ 3. verschiedene Formen der Analyse zur Uberpr¨ ufung einer Beschreibung auf unterschiedliche Eigenschaften der Korrektheit. Die Norm RTCA9 DO-178B, siehe [95] ist der aktuelle Standard f¨ ur Software Considerations in Airborne Systems and Equipment Certification und regelt die Freigabe von Systemen und Ger¨ aten, die Software enthalten, f¨ ur die Anwendungen in der Luftfahrt. Anmerkung 5 (Reifegradmodelle). Entwicklungsprozesse k¨onnen auch sinnvoll klassifiziert werden unter der Annahme, dass die Qualit¨at eines Entwicklungsproduktes entscheidend von der G¨ ute des zugeh¨origen Entwicklungsprozesses abh¨ angt. Die beiden folgenden Reifegradbewertungen haben sich in Amerika und Europa etabliert: – Capability Maturity Model, kurz CMM, siehe z.B. [22], beschreibt die Prozessf¨ ahigkeit im Bereich System- und Softwareentwicklung, ist ein Stufenmodell mit strukturiertem Leitfaden und erm¨oglicht eine verbesserte Einsch¨ atzung und gezielte Verbesserung von Entwicklungsprozessen sowie – Software Process Improvement and Capability Determination, abgek¨ urzt mit SPICE, siehe [105]. Diese Norm ISO 15504 wurde 1998 als technischer Report verabschiedet und soll Ende 2005 komplett ver¨offentlicht werden. Die Kernpunkte dieses Modells sind Verbesserungen von Prozessen und die Bestimmung des Prozessreifegrades; dies dient als Grundlage f¨ ur das Bewerten von Unternehmensprozessen. Beide Normen u ufen im Wesentlichen nur die Reife der einzelnen Pro¨berpr¨ zessschritte und haben leider keinen anleitenden Charakter. Ein beschreibender Entwicklungsstandard wurde als Reaktion auf eine Vielzahl fehlgelaufener Software-Projekte der Bundeswehr vom Bundesministerium f¨ ur Verteidigung in Auftrag gegeben: der Entwicklungsstandard f¨ ur IT-Systeme des Bundes, siehe [116], der dann auf die anderen Bundesministerien u ¨ bertragen wurde und mittlerweile in der Software-Branche etabliert ist. Die Version von 1997 – regelt in einem ganzheitlichen Ansatz die Software- und Hardwareentwicklung als Bestandteile der Systementwicklung, – unterteilt in Anwenderanforderungen und technologische Anforderungen, – unterst¨ utzt damals neue Technologien wie inkrementelle Systementwicklung oder objektorientierte Vorgehensweisen und – unterst¨ utzt den Einsatz von Standard-Software. 9

Die Abk¨ urzung RTCA steht f¨ ur Radio Technical Commission for Aeronautics, Inc.

26

4 Rundungs- und Rechenfehler

Die bisher beschriebenen Methoden unterst¨ utzen die Erstellung sicherheitsrelevanter Software: – Software f¨ ur die Funktion des Systems: Betriebssystemen, Firmware oder Anwendersoftware als auch f¨ ur die Software und – Software, die f¨ ur die Entwicklung und Herstellung ben¨otigt wird, wie z.B. C-Codegeneratoren, Compiler, Assembler, Linker oder Steuerungen von Fertigungseinrichtungen. Die bisher beschriebenen Vorgehensweisen erleichtern eine anschließende Begutachtung. Dieses Vorgehensmodell10 ist unter dem SchlagwortV-Modell bekannt geworden und ist mittlerweile ein international anerkannter Standard, der einheitlich und verbindlich festlegt, wie die Aufgaben Projektmanagement, Systemerstellung, Qualit¨ atssicherung und Konfigurationsmanagement in einem Systementwicklungsprojekt koordiniert und durchgef¨ uhrt werden sollen. Die Anwendung des V-Modells ist in [33] ausf¨ uhrlich beschrieben und soll sicherstellen, dass keine relevanten Aspekte der Systementwicklung u ¨ bersehen wurden und damit das Ergebnis den Anforderungen des Auftraggebers entspricht. Eine detaillierte Analyse des Systementwicklungsprozesses unter 10

Der Begriff Vorgehensmodell stammt aus der Softwaretechnik oder englisch Software-Engineering. Die Vorgehensmodelle umfassen in diesem Zusammenhang alle Phasen von der Aufgabenstellung bis zur endg¨ ultigen Ausmusterung eines Programmes: Problemanalyse, Softwareentwurf, Implementierung, Funktions¨ uberpr¨ ufung, Leistungs¨ uberpr¨ ufung, Installation und Abnahme sowie Wartung. Das Software-Engineering wiederum entstand Ende der 1960-Jahre als Antwort auf die immer noch andauernde Softwarekrise: Die st¨ andig komplexer werdende Software wird immer fehleranf¨ alliger. Die Softwarekrise konnte weder durch die Einf¨ uhrung strukturierter noch objektorientierter Methoden im Softwareentwurf und in der Programmierung beendet werden. Dieser Umstand ist umso merkw¨ urdiger, wenn man den Standpunkt einnimmt, dass Software nur eine endliche Folge von einfachen Ja/Nein-Entscheidungen umsetzt. Die große Anzahl nicht voneinander unabh¨ angiger Ja/Nein-Entscheidungen f¨ uhrt zu einer irreduziblen Komplexit¨ at, die im wahrsten Sinne des Wortes kein Mensch mehr u ¨ berblicken kann und notgedrungen wird die Beherrschung dieser Komplexit¨ at aus der Hand der Entwickler auf im¨ mer geschicktere Ubersetzungsprogramme f¨ ur immer abstraktere, h¨ ohere“ Pro” grammiersprachen delegiert. Diesen Compilern fehlt allerdings der Kontext der Realit¨ at. Die Entwicklung der Hardware ist der Software-Technik weit voraus, da sich diese auf physikalische Gesetze st¨ utzen kann. Damit ist es m¨ oglich, Laufzeiten zu minimieren oder den Energieverbrauch einer logischen Operation zu bestimmen. Der Software-Technik fehlen ¨ ahnliche bestimmende Gleichungen. Steven J. Wallach, der seit 1970 f¨ uhrend an der Entwicklung von Computer-Hardware beteiligt ist, pr¨ agte in diesem Zusammenhang den Begriff Softon als Elementarteilchen f¨ ur die Software, das ¨ ahnlich den physikalischen Elementarteilchen, das Verhalten der Software vollst¨ andig beschreiben k¨ onnen soll.

4.5 Sicherheitsrelevante Entwicklungsprozesse und Standards

27

sicherheitsrelevanten Aspekten findet sich z.B. in [100]. Ein Beispiel f¨ ur einen konkreten Entwicklungsprozess ist ausf¨ uhrlich in [16] beschrieben. Zur konkreten Zulassung einer neuen technischen Applikation, wie z.B. in einem Typgenehmigungsverfahren f¨ ur Kraftfahrzeuge, wird abh¨angig vom m¨oglicherweise verursachten Gef¨ ahrdungspotential ein unabh¨angiges Gutachten in Form eines Zertifikates eingeholt. Zertifizierungsberechtigt sind wieder¨ 11 oder die um nur vom Gesetzgeber akkreditierte Stellen, wie z.B. der TUV 12 DEKRA . Der Begriff Gef¨ahrdungspotential wird plausibilisiert in der Anmerkung 6 (Safety Integrity Level / Sicherheitsintegrit¨atslevel). Die Norm IEC 61508 unterscheidet z.B. vier Sicherheitsniveaus: die Anforderungsklassen oder Safety Integrity Level eins bis vier, kurz SIL 1 bis SIL 4. Aus¨ gangspunkt f¨ ur diese Uberlegung ist eine Risikobetrachtung, siehe [41]: Das Risiko R wird als Erwartungswert des Schadens interpretiert und ergibt sich f¨ ur eine konkrete Schadensbetrachtung aus der zu erwartenden H¨aufigkeit h ∈ [0, 1] des Eintritts dieses Schadens und des verursachten Schadensausmaßes S, gemessen z.B. in Geldmenge oder Personenschaden, als R = h · S. Dabei ist es das objektiv vorhandene Risiko und nicht das von der Gesellschaft oder von dem Einzelnen empfundene Risiko, das sich im Begriff Risikoakzeptanz niederschl¨ agt. Rundungs- und Rechenfehler sind sicherlich nicht die einzigen sicherheitsrelevanten Fehlerquellen in einem Entwicklungsprojekt. Allerdings tr¨agt das Verst¨ andnis f¨ ur diese Fehlerquellen zu einem wesentlichen Detailverst¨andnis und somit zu einer Absicherung des Gesamtsystems bei. Wir schließen das Kapitel mit der schon l¨ angst f¨alligen Anmerkung 7 (Murphys Gesetzm¨assigkeit). If anything can go wrong, it ” will.“ 13

11 12 13

¨ steht f¨ ¨ Die Abk. TUV ur Technischer Uberwachungsverein. ¨ Die Abk. DEKRA steht f¨ ur Deutscher Kraftfahrzeug Uberwachungsverein. Die Bemerkungen auf der Internetseite www.murphys-laws.com/ garantieren eine abschließende kurzweilige Unterhaltung.

5 Zahldarstellung

Die nat¨ urlichen Zahlen hat der liebe Gott gemacht, alles andere ist ” Menschenwerk.“ Leopold Kronecker

Die F¨ ahigkeit des Z¨ ahlens ist notwendig, um unterschiedliche Mengen ¨ahnlicher Objekte miteinander vergleichen zu k¨ onnen. Die Einf¨ uhrung von Zahlen geh¨ ort zu den großen Kulturleistungen der Menschheit und erm¨oglicht, von einer betrachteten Menge zu abstrahieren und Eigenschaften abzuleiten, die nur in der zugeordneten M¨ achtigkeit der Menge begr¨ undet sind. So entspricht z.B. dem Vereinigen von Mengen unter bestimmten Annahmen das Addieren der Zahlen, bzw. dem Vergleichen von Mengen das Feststellen der Gleichheit der zugeordneten M¨ achtigkeiten. Diese und andere F¨ahigkeiten sind von elementarer Bedeutung. Wir ben¨ otigen daher einheitliche Konventionen sowohl 1. zum Z¨ ahlen von Mengen als auch 2. zur Darstellung dieser Zahlen, um damit Eigenschaften von Mengen u ugbar ma¨ berhaupt langfristig verf¨ chen und Nachrichten u onnen. Diese Zahlen werden dabei mit ¨ bertragen zu k¨ Symbolen kodiert. ¨ Ein sehr anschauliches Beispiel f¨ ur den Ubergang vom Prozess des Z¨ahlens zur Darstellung der Zahlen vermitteln die bereits von den Inkas eingef¨ uhrten Quipus. Diese Knotenschn¨ ure1 , die auch heute noch auf M¨arkten in Peru verwendet werden, waren ca. 55 cm lang und hatten bis zu neun Knoten, die von einem Hauptstrang oder einem Stock ausgingen. Die Knotenanzahl und ihre Kn¨ upfart entsprachen Zahlenwerten im Zehnersystem. In den fr¨ uhen Hochkulturen entwickelten sich unterschiedliche Konzepte zur Darstellung von Zahlen, die nach Art der Zusammenstellung und der Anordnung der Ziffern in Additionssysteme und Positions- oder Stellenwertsysteme einteilbar sind. Additionssysteme ordnen jeder Ziffer eine bestimmte 1

Eine Nachbildung findet sich z.B. im Heinz Nixdorf Museums-Forum in Paderborn, siehe www.hnf.de/.

30

5 Zahldarstellung

Zahl zu, wie z.B. beim Rechnen mit einem Abakus. Im Gegensatz dazu ordnen Positions- oder Stellenwertsysteme2 jeder Ziffer aufgrund der relativen Position zu anderen Ziffern eine Zahl zu. So haben die beiden Ziffern 2 und 5 im Dezimalsystem je nach Zusammenstellung entweder den Wert 25 oder 52. Alle Zahlensysteme bauen auf einer so genannten ganzzahligen Grundzahl3 b > 1, auch Basis genannt, auf. Das ca. 5000 Jahre alte ¨ agyptische Additionssystem d¨ urfte das ¨alteste logische Zahlensystem sein und baut auf der Basis b = 10 auf. Die ersten sieben Stufenzahlen 10i mit 0 ≤ i ≤ 6 verwendeten spezielle Hieroglyphen als Zahlzeichen, siehe Abb. 5.1. Die fehlende Null wird bei dieser Darstellungsart nicht als Mangel empfunden.

¨ Abb. 5.1. Die antiken Agyptern stellten Zahlen mit Hieroglyphen dar: Ein Strich war ein Einer, ein umgekehrtes U ein Zehner, die Hunderter wurden durch eine Spirale, die Tausender durch die Lotusbl¨ ute mit Stiel und die Zehntausender durch einen oben leicht angewinkelten Finger dargestellt. Dem Hunderttausender entsprach eine Kaulquappe mit h¨ angendem Schwanz. Erg¨ anzend ohne Bild hier: Die Millionen wird durch einen Genius, der die Arme zum Himmel erhebt, repr¨ asentiert.

Abb. 5.2. Babylonische Repr¨ asentation der Zahl 46821 = 13 · 602 + 0 · 601 + 21 · 600 als 13|0|21.

Soll die Bedeutung einer Ziffer von der Position abh¨angen, kommen wir um die Darstellung einer leeren Position durch die Ziffer Null4 nicht herum. 2 3

4

Zahlensysteme in eindeutigen Positionen gab es bereits im 2. Jahrtausend v.Chr. in Mesopotamien. Die am weitesten verbreiteten Grundzahlen sind 2, 5, 10, 12, 20 und 60, von denen die wichtigsten Basen 2 und 10 sind. Die Zahl 60 ist besonders interessant, da sowohl die Zahl 30, das entspricht ungef¨ ahr der Anzahl der Tage der Mondperiode oder eines Monats, als auch die Zahl 12, die Anzahl der Monate in einem Jahr, Teiler sind. Die Babylonier f¨ uhrten um ca. 500 v. Chr. ein eigenes Zeichen f¨ ur die Leerstelle im Ziffernsystem ein, siehe z.B. [61]. Auch wenn dieses Zeichen nicht als

5 Zahldarstellung

31

Wir sind dann z.B. in der Lage, die beiden Zahlen 701 und 71 zu unterscheiden. Die Ziffer Null deutet das Auslassen“ einer Stufenzahl bi an und ” erm¨ oglicht eine u ¨ bersichtlichere Darstellung in der modernen Nomenklatur z=

n 

zi bi .

(5.1)

i=0

Die Symbole f¨ ur die Ziffern zi ∈ {0, 1, . . . , b−1} k¨onnen wir als Koeffizienten der Stufenzahlen bi interpretieren. Die m¨ oglichen Ziffern besteht aus der Menge {0, 1, . . . , b − 1}. Die Ziffer zi gibt entsprechend der Position i in der Darstellung von z nach (5.1) an, mit welcher Stufenzahl bi sie multipliziert werden muss. Die Einf¨ uhrung der f¨ ur uns heute nicht mehr wegzudenkenden Null als eigenst¨ andige Ziffer verdanken wir bekanntermaßen den Indern, siehe auch Abb. 5.3. Die Ziffer Null findet sich erstmalig in einer Handschrift von 976 n.Chr. und galt lange Zeit in Europa als Teufelswerk.

Abb. 5.3. Arabische und indische Symbole zum Darstellen von Zahlen: In der ersten Zeile sehen wir die indischen Ziffern des 2. Jahrhunderts n.Chr. Diese bildhaften Ziffern wurden erst von den Arabern u ¨ bernommen (zweite Zeile) und sp¨ ater von den Europ¨ aern (dritte bis sechste Zeile: 12., 14., 15. und 16. Jahrhundert) immer abstrakter dargestellt.

Zahlen wurden in Europa bis ins Mittelalter mit lateinischen Großbuchstaben repr¨ asentiert. Im r¨ omischen Zahlensystem5 standen I, V, X, L, C, D und M f¨ ur 1, 5, 10, 50, 100, 500 und 1000. Gr¨oßere Zahlen wurden einfach zusammengesetzt, so steht MMMDCCCLXXVI z.B. f¨ ur die Zahl 3876. Die-

5

Zahl oder Menge Null verstanden wurde, wurden damit schon Bruchrechnungen durchgef¨ uhrt. Die Zahl Null wurde auch in der geheimen heiligen Zahlenschrift der Priester bei den Mayas in Mittelamerika verwendet. Interessanterweise kamen die Zahlen D und M erst im 15. Jahrhundert hinzu.

32

5 Zahldarstellung

ses Repr¨ asentationssystem war allerdings kaum zum Rechnen geeignet und wurde daher ab dem 13. Jahrhundert von den arabischen Ziffern abgel¨ost. Der Mathematiker Leonardo von Pisa, auch unter dem Namen Fibonacci bekannt, hatte eine arabische Ausbildung erhalten. Die moslemische Welt hatte damals von den Hindus ein neues Zahlensystem u ¨ bernommen. Fibonacci f¨ uhrte die arabischen“ Ziffern im Jahr 1202 in seinem Buch Liber Abaci ” in Europa ein. Dieses Rechenbuch verbreitete die arabische Zahlschrift und erm¨ oglichte neue Berechnungsmethoden. Diese Berechnungsmethoden fanden insbesondere f¨ ur kaufm¨ annische Zwecke praktische Anwendungen. Sein umfangreiches Werk erkl¨ arte detailliert das Multiplizieren, Dividieren, Bruchrechnen, Potenzrechnen, Wurzelziehen und die L¨osung von quadratischen und kubischen Gleichungen. Der Mathematiker und Philosoph Gottfried Wilhelm Leibniz legte den entscheidenden Grundstein zu einer automatisierten Durchf¨ uhrung von Berechnungsmethoden. Im folgenden Abschnitt stellen wir die von ihm im Jahre 1679 eingef¨ uhrte bin¨ are Zahldarstellung6 vor.

5.1 Bin¨ arzahlen Die exakte Darstellung (5.1) einer positiven ganzen Zahl z ∈ ZZ≥0 ben¨otigt in Abh¨ angigkeit der Basis b ∈ IN∗ mit b > 1 mindestens s = [ logb (z)] ∈ IN Stellen. Diese Darstellung ist kein Selbstzweck, sondern sollte wichtige Operationen effizient erlauben, z.B. die Multiplikation zweier s-stelliger Zahlen m und n: in einer arithmetischen Einheit wird ¨ahnlich wie beim schriftlichen Rechnen auf die b2 elementaren Multiplikationen 0 · 0 bis (b − 1) · (b − 1) zur¨ uckgegriffen. Die Basis b legt somit bei vorgegebenem darzustellendem Zahlenumfang [0, zmax] mit zmax > 0 sowohl die Anzahl der abzuspeichernden Stellen s ∼ logb (zmax ) als auch die Anzahl ∼ b2 der zu implementierenden elementaren Rechenoperationen fest. Der Speicher kostet nach Abb. 4.1 vergleichsweise wenig gegen¨ uber der Rechenzeit der arithmetischen Operationen. 6

Die bin¨ are Zahldarstellung ist auch als duale oder dyadische Zahldarstellung bekannt, siehe dazu auch die B¨ ande der Akademie-Ausgabe unter www. leibniz-edition.de/, Reihe I Allgemeiner, politischer und historischer Briefwechsel, Seiten 404 bis 409. Gottfried Wilhelm Leibniz hatte bereits im Jahr 1672 die Idee, das Rechnen von einer geeigneten Maschine durchf¨ uhren zu lassen, die alle vier Grundrechenarten beherrschte. Die Idee basiert auf damals neuen mechanischen Schrittz¨ ahler, die die Anzahl der Schritte aufsummieren. Das einzige erhaltene Original von insgesamt vier gebauten, so genannten Vierspeziesrechenmaschinen wird heute in der Gottfried Wilhelm Leibniz Bibliothek, ehemals Nieders¨ achsischen Landesbibliothek, aufbewahrt, siehe www.nlb-hannover.de/. Ein Nachbau aus dem Jahr 1924 ist ¨ offentlich zug¨ anglich. Das Original kann nur unter Voranmeldung besichtigt werden.

5.1 Bin¨ arzahlen

33

Die Wahl der Basis ist somit von zentraler wirtschaftlicher und technischer Bedeutung: Die Basis b = 2 wird daher im Wesentlichen aus zwei Gr¨ unden verwendet: 1. Die Mikroelektronik basiert auf den Zustandspaaren: leitende ↔ nichtleitende elektrischen Leitungen und geladene ↔ ungeladene Speichereinheiten jeweils in einer gewissen Zeiteinheit. 2. Die Grundrechenarten k¨ onnen auf die minimale Anzahl von vier elementaren Rechenoperationen reduziert und implementiert werden. Anmerkung 8 (Alternative Basis b). Im Folgenden verwenden wir die Basis ¨ b = 2. Alle Uberlegungen lassen sich auch auf andere Basen u ¨ bertragen. Dies k¨ onnte insbesondere dann von Bedeutung sein, wenn der traditionelle RAMSpeicher7 durch ein Speichermedium ersetzt w¨ urde, das wesentlich schnellere Zugriffe, eine effiziente Implementierung der Grundrechenarten gew¨ahrleistet sowie einen energiesparenderen Betrieb erlaubt und nicht notwendigerweise auf der Basis b = 2 beruht. Anmerkung 9 (Technische Klassifizierung von Speichertechnologien). Halbleiterspeicher klassifiziert sich wie folgt in: – nichtfl¨ uchtigen Speicher, der sich wiederum unterteilt in – herstellerprogrammierten Speicher, der nicht l¨oschbar ist, als Read Only Memory, kurz ROM, oder programmable ROM, kurz PROM, und – anwenderprogrammierten Speicher, der durch ein Programmierger¨at programmierbar ist, entweder ebenfalls als programmable ROM, wenn er nicht l¨ oschbar ist, als erasable PROM, kurz EPROM, wenn er nur durch UV-Licht l¨ oschbar ist oder als flash EPROM, kurz Flash, wenn er nur elektrisch l¨ oschbar ist, – anwenderprogrammierten Speicher, der in einer Schaltung programmierbar und zugleich elektrisch l¨ oschbar ist, als electrical EPROM, kurz EEPROM, sowie – fl¨ uchtigen Speicher, entweder als – statischer Speicher static RAM, kurz SRAM, oder – dynamischer Speicher dynamic RAM, kurz DRAM. Der Ingenieur Herman Hollerith verwendete im Jahr 1886 als erstes Speichermedium f¨ ur Daten die bis dahin zur Steuerung von Webst¨ uhlen verwendeten Lochkarten8 , die die Gr¨ oße einer Dollarnote hatten. Verwaltungs- und B¨ urot¨ atigkeiten wurden durch die Lochkartenmaschine, f¨ ur die Hollerith 1889 7

8

Die englische Abk¨ urzung RAM steht f¨ ur Random Access Memory und wird f¨ ur den Typ von Speicher verwendet, der sowohl gelesen als auch beliebig oft beschrieben werden kann, siehe auch Anmerkung 9. In den dazugeh¨ origen Leseger¨ aten der Lochkarten steckten kleine Metallst¨ abe, die an den Stellen, wo die Karte gelocht war, einen Kontakt zuließen und somit elektrischer Strom fließen konnte. Lochkartenstanzer und Leseger¨ ate hatten ihren ersten bedeutenden Einsatz bei der elften US-Volksz¨ ahlung im Jahr 1890: 43

34

5 Zahldarstellung

die Goldmedaille der Pariser Weltausstellung bekam, weitgehend automatisiert und konnten wesentlich schneller erledigt werden. Das Oktal- und Hexadezimalsystem mit den Basen 8 und 16 eignet sich sehr gut f¨ ur die Darstellung von Bitfolgen zur Speicherung von gr¨oßeren Zahlen. Insbesondere ist die Hexadezimaldarstellung einer Bitfolge, zu erkennen an den f¨ uhrenden Ox, intuitiver zu erfassen als die entsprechende, vergleichsweise l¨ angere Bitfolge, z.B. f¨ ur die Zahl (848)10 = (0011 0101 0000)2 = Ox350. Die bin¨ are Zahldarstellung geht von der kleinstm¨oglichen ganzzahligen Basis b = 2 aus. Jede positive ganze Zahl z ∈ ZZ l¨asst sich eindeutig nach (5.1) zerlegen in s−1  z= zi · 2i . (5.2) i=0

Die ganze Zahl z k¨ onnen wir nach (5.2) mit einer Folge von Ziffern zs−1 , zs−2 , . . . , z0 mit zi ∈ {0, 1} f¨ ur 0 ≤ i < s identifizieren. Die Anzahl s ≥ 1 der verwendeten Ziffern bezeichnen wir als Stellenzahl. Die zugeh¨origen Stufenzahlen entsprechen gerade den Zweierpotenzen 2i . Die Zahl z bezeichnen wir in diesem Zusammenhang auch kurz als Bin¨arzahl. arzahl k¨onnen genau zwei Werte Die Ziffern zi mit 0 ≤ i ≤ s − 1 einer Bin¨ annehmen: entweder Null oder Eins. Dieser minimale Informationsgehalt ist f¨ ur die technische Realisierung von herausragender Bedeutung. Wir machen die Definition 5 (Informationsgehalt). Ein Bit9 ist die Maßeinheit f¨ ur den Informationsgehalt und kann genau zwei Werte annehmen: entweder Null oder Eins. Ein Byte 10 fasst acht Bits zusammen. In der Tabelle 5.1 sind

9

10

Hollerithmaschinen werteten 62 Millionen Lochkarten aus und verk¨ urzten die reine Datenauswertung von mehreren Jahren auf knapp zehn Wochen. Seine Firma Tabulating Machine Company verkaufte er 1911 an die Firma ComputingTabulating-Recording Company, die 1924 in International Business Machines, kurz IBM, umbenannt wurde. Der Begriff Bit wurde wahrscheinlich das erste Mal von John Tukey 1949 als k¨ urzere Alternative zu bigit oder binit f¨ ur binary digit verwendet. Das Wort digit kommt aus dem Lateinischen und bedeutet Finger. Das Wort Byte ist eine k¨ unstliche Mischung von bit und bite und wurde 1956 von Werner Buchholz gepr¨ agt. Die Schreibweise Byte wurde Bite vorgezogen um Verwechslungen mit Bit zu vermeiden. Ein Byte umfasste bis in die 1980 Jahre nicht notwendigerweise genau 8 Bits, sondern konnte weniger mehr oder sogar unterschiedlich viele Bits bedeuten. Ein Tupel von 8 Bits wird in der Norm IEC 60027-2 Letter Symbols to be used in Electrical Technology aus dem Jahre 2000 daher korrekt als Oktett, englisch octet, bezeichnet. Erst als sich die Interpretation von IBM durchsetzte, konnten die Begriffe Byte und Oktett synonym verwendet werden. Der Begriff Byte kann dar¨ uber hinaus bedeuten: eine adressierbare Spei-

5.1 Bin¨ arzahlen

35

g¨angige Einheiten11 des Informationsgehalts und entsprechende Beispiele12 angegeben.

¨ Tabelle 5.1. Ubersicht zu Einheiten des Informationsgehalts mit Beispielen. Einheit Bit Byte Kibibyte Mebibyte

Pr¨ afix Kibi Mebi

Abk. b B KiB MiB

Anzahl Grundeinheit 23 = 8 Bits 210 = 1024 Bytes 220 = 1024 KiB

Gibibyte

Gibi

GiB

230 = 1024 MiB

Tebibyte

Tebi

TiB

240 = 1024 GiB

Pebibyte

Pebi

PiB

250 = 1024 TiB

Exibyte

Exbi

EiB

260 = 1024 PiB

Menge Ja oder Nein eine Zahl von 0 bis 255 eine halbe Seite Text ein Buch ohne Bilder, ein Fotofarbfilm ein kurzer Videofilm, zwei Musik-CDs Textmenge einer großen Bibliothek (1 Mio B¨ ande) gesch¨ atzte Datenmenge, die w¨ ahrend eines hundertj¨ ahrigen Menschenlebens auf Augen und Ohren einstr¨ omt Datenmenge mit rein philosophischem Charakter

Die Verwendung derselben Pr¨ afixe f¨ ur bin¨ are und dezimale Einheiten kann zur Verwirrung f¨ uhren, wie demonstriert wird in der folgenden Anmerkung 10 (Verwendung der SI- und IT-Pr¨afixe). Eine 40-GigabyteFestplatte enth¨ alt nicht 40 ∗ 10243 ≈ 42, 95 ∗ 109 Byte, sondern nur 40 Milliarden Byte. Ein PCI-Bus u agt 32 dezimale Bits mit einer Rate von ¨ bertr¨ 33,3 MHz, also ca. 133,3 Millionen Bytes pro Sekunde. Das sind zwar, wie angegeben 133,3 dezimale MBytes/s, aber nur 127,2 bin¨are MBytes/s. Ein Modem mit 56,6 kbit/s u agt nicht 56,6 · 1024 = 57 958 Bit pro Sekunde, ¨ bertr¨ sondern nur 56 600. Eine so genannte 1,44-MByte-Diskette hat wiederum eine Kapazit¨ at von 1440 bin¨aren KBytes: entweder 1,41 oder 1,47 MByte. Viele Programmiersprachen bieten den Datentyp Bool oder Boolean an um ein Bit abspeichern zu k¨ onnen.

11

12

chereinheit, die einem Zeichen aus dem American Standard Code for Information Interchange, kurz ASCII, entspricht, ein Datentyp f¨ ur eine 8 Bit breite Einheit oder eine Datenmenge von zwei Nibbles zu je 4 Bit. Die Verwendung der Begriffe f¨ allt bei den meisten Rechnern zusammen. Die Norm IEC60027-2 sieht in Anlehnung an die griechischen SI-Pr¨ afixe kilo, mega, giga, tera, peta, exa etc., die f¨ ur die Werte 103 , 106 , 109 , 1012 , 1015 , 1018 . . . stehen, f¨ ur die Klassifizierung von Speichern die IT-Pr¨ afixe Kibi, Mibi, Gibi, Tibi, Pibi und Eibi f¨ ur die Werte 210 , 220 , 230 , 240 , 250 , 260 . . . vor. Das Bonmot 640 kB should be enough for everybody.“ wird Bill Gates zuge” schrieben, 1981.

36

5 Zahldarstellung

5.2 Addition und Subtraktion von Bin¨ arzahlen Die Addition zweier s-stelliger Bin¨ arzahlen kann auf die Additionstabelle 5.2 f¨ ur die zwei Ziffern 0 und 1 zur¨ uckgef¨ uhrt werden. Die Implementierung einer Addition wird erl¨ autert in Anmerkung 11 (Implementierung einer Rechenoperation). Die Additionstabelle wird in einem Rechenwerk fest verdrahtet und weder als Tabelle noch als Fallunterscheidung in Software realisiert. Ein Addierwerk setzt sich kaskadisch aus Volladdierern zusammen, die wiederum jeweils aus zwei Halbaddierern bestehen. Tabelle 5.2. Die Addition zweier ein-stelliger Bin¨ arzahlen reduziert sich auf die Unterscheidung der vier F¨ alle: 0 + 0 = 0, 0 + 1 = 1, 1 + 0 = 1 und 1 + 1 = 10. Die ¨ f¨ uhrende Eins im letzten Fall wird in den Ubertrag geschoben. Die Tabelle wird in einem Rechenwerk direkt als Halbaddierer verdrahtet.

+ 0 1

0 1 0 1 1 10

Die Addition zweier s-stelliger Bin¨ arzahlen a = (as . . . a1 )2 und b = (bs . . . b1 )2 wird bitweise implementiert. Ein Halbaddierer verkn¨ upft die beiden Bit-Eing¨ ange ai und bi mit zwei elementaren logischen Operationen: 1. der exklusiven ODER-Verkn¨ upfung XOR-Gatter zu dem ersten Bit-Ausgang, der so genannten Halbsumme si = ai XOR bi := ai AND ¬(bi ) OR ¬(ai ) AND bi

und

(5.3)

2. der UND-Verkn¨ upfung AND-Gatter, auch Konjunktion, zu dem zweiten ¨ Bit-Ausgang Ubertrag oder auch Carry-Bit ci = ai AND bi .

(5.4)

¨ Ein Halbaddierer ber¨ ucksichtigt den Ubertrag nicht. Ein Schaltbild des Halbaddierers, symbolisiert durch + / 2 , findet sich in der Abb. 5.4. ¨ Ein Volladdierer + ber¨ ucksichtigt einen ggf. zu u ¨ bernehmenden Ubertrag im Carry-Bit ci−1 aus der vorangegangenen Bit-Halbaddition f¨ ur die Stellen ai−1 und bi−1 und hat folglich die drei Bit-Eing¨ange ai , bi und ci−1 . Ein Schaltbild eines Volladdierers findet sich in der Abb. 5.5. Anmerkung 12 (Herstellung eines integrierten Schaltkreises). Die Gleichungen (5.3) bzw. (5.4) stellen die logische Repr¨asentation des Halb- bzw. Volladdierers dar. Die entsprechenden Schaltbilder 5.4 bzw. 5.5 setzen die logische

5.2 Addition und Subtraktion von Bin¨ arzahlen

r r al i r r bl i

37

cl i

AND

vAND XOR

sl i

v

AND

Abb. 5.4. Das Schaltbild eines 1-Bit-Halbaddierers, symbolisiert durch + / 2 , f¨ ur ai und bi mit den logischen Verkn¨ upfungen: dem XOR-Gatter f¨ ur die so genannte ¨ ur den Ubertrag ci . Die beiden ausgef¨ ullten Halbsumme si und dem AND-Gatter f¨ Kreise repr¨ asentieren die logische NICHT-Verkn¨ upfung ¬.

al i bl i cl i

+/2

sl i

+/2

 OR

ci+1



Abb. 5.5. Das Schaltbild eines 1-Bit-Volladdierers, der aus zwei 1-Bit-Halbaddierern, symbolisiert mit + / 2 , besteht.

Repr¨ asentation in die schematische Repr¨asentation um. Der Herstellungsprozess eines integrierten Schaltkreises, wie z.B. der eines Addierwerks, sieht allgemein die folgenden unterschiedlichen Abstraktions- und Entwurfsschritte vor: 1. Spezifikation der gew¨ unschten Funktionalit¨at, 2. logische Repr¨asentation mit Funktionstabellen und der entsprechenden disjunktiven Normalform sowie bekannten Grundbausteinen der Digitaltechnik, z.B. elementare logische Verkn¨ upfungen wie XOR- oder ANDGatter, 3. schematische Repr¨asentation als Transistorschaltung, 4. elektrische Repr¨asentation als elektrisches Schaltbild, siehe dazu auch das Beispiel im Abschn. 9.1 ,

38

5 Zahldarstellung

5. physikalische Repr¨asentation als Layout der Leiterbahnen auf einem Wafer13 , 6. Maskenerzeugung f¨ ur die Belichtungsprozesse des Wafers, ¨ 7. Herstellung durch Belichtung, Atzen und Schleifen, siehe z.B. die Leiterbahnen in Abb. 5.6, 8. Test und Analyse sowie 9. Vertrieb des integrierten Schaltkreises. Die unterschiedlichen Entwurfsschritte werden z.B. durch Simulationen und / oder durch Regelpr¨ ufprogramme gegen die geforderte Spezifikation u uft. ¨berpr¨ Die Herstellung basiert auf der MOS-Technik14 . MOS-Schaltungen arbeiten mit spannungsgesteuerten Transistoren, die je nach Verschaltung entweder eine Kapazit¨ at oder einen nichtlinearen Widerstand repr¨asentieren k¨ onnen. Die Transistoren sind somit ein universelles Bauelement und bilden die Br¨ ucke zwischen der Funktionalit¨ at in Form der disjunktiven Normalform und dem Herstellungsprozess im Silizium einer integrierten Schaltung. Die technische Realisierung von Transistoren15 ist somit von herausragender Bedeutung und leitete die Revolution in der Halbleitertechnik ein. Die MOS-Technik erm¨ oglichte die Verkleinerung der Transistoren auf dem Wafer. Die Skalierung der folgenden physikalischen und technischen Gr¨oßen mit dem Faktor α: Betriebsspannung U/α, Oxid-Dicke tOx /α, Leitungsbreite W/α, Gate-L¨ ange L/α, Diffusionstiefe xd /α und Dotierung des Substrates uhrt zu h¨ oherer Transistordichte ∼ α2 auf dem Wafer, h¨oherer SchalNA · α f¨ tungsgeschwindigkeit ∼ α, geringerer aufgenommener Leistung des Transistors ∼ α−2 und zu konstanter Leistungsdichte ∼ c. Die Herstellung immer kleinerer Mikrochips ist aufgrund von geringeren Ausfallraten durch Verschmutzungen im Herstellungsprozess sogar noch kosteng¨ unstiger, siehe Abb. 4.1. Die Skalierung der Transistoren mit der MOSTechnik ist einer der entscheidenden Gr¨ unde f¨ ur die Leistungssteigerung der integrierten Schaltungen u uhrt zu dem ¨ ber nunmehr vier Dekaden16 und f¨ Selbstverst¨ arkungseffekt: mit der jeweils aktuellen Generation von Rechnern, die aus Bauteilen der vorhergehenden Halbleitergeneration hergestellt wurden, wird die jeweils n¨ achste Generation der Halbleitertechnik entworfen. 13

14 15

16

Ein Wafer ist eine dotierte Siliziumscheibe mit einem Durchmesser von bis zu 300 mm und einer Dicke zwischen 100 und 900 μm. Ein Wafer ist eine Tr¨ agerstruktur, in den die Leiterbahnen eingearbeitet werden, und auf der der integrierte Schaltkreis so oft wie m¨ oglich plaziert wird. Die Abk¨ urzung MOS steht f¨ ur Metal-Oxide-Semiconductor. Die Abk¨ urzung Transistor kommt von transfer resistor. Der 23. Dezember 1947 markiert den Startschuß f¨ ur die Revolution in der Halbleitertechnik, an diesem Tag die testeten die Ingenieure William Shockley, Walter Brattain und John Bardeen erstmals erfolgreich einen Transistor. Gordon E. Moore fasste dies 1995 kurz zusammen: By making things smaller, ” everything gets better simultanously. There is little need for tradeoff.“

5.2 Addition und Subtraktion von Bin¨ arzahlen

39

Abb. 5.6. Die Vergr¨ oßerung der Leiterbahnen eines integrierten Schaltkreises (Foto: Mit freundlicher Genehmigung der Infineon Technologies AG).

Das weitere Studium dieses Kapitels setzt elementare Kenntnisse der Landau-Notation O voraus, siehe Anhang A.2. Der Aufwand f¨ ur eine Addition ist proportional zur Stellenanzahl s: O(s). Dies entspricht genau dem Aufwand zum Transportieren des Ergebnisses in den Speicher. Die Addition ben¨ otigt somit f¨ ur zwei s-stellige Bin¨arzahlen f¨ ur das Auslesen der Summanden aus dem Speicher, die Addition und das R¨ uckschreiben des Ergebnisses in eine Speicherzelle die Rechenzeit O(s). ¨ Ubung 3. Kommentieren Sie folgendes, Gottfried Wilhelm Leibniz zugeschriebenes Bonmot: Das Addieren von Zahlen ist bei der bin¨aren Zahldar” stellung so leicht, dass diese nicht schneller diktiert als addiert werden k¨onnen“ 17 . Das Design von Rechenwerken wird maßgeblich durch effiziente und zuverl¨ assige Rechenoperationen bestimmt. Die Konstruktion muss unterschied17

Die gesamte Tragweite dieses Bonmots erschließt sich aus der folgenden Anekdote nach [27]: Im 15. Jahrhundert hatte ein deutscher Kaufmann einen Sohn, den ” er im Handel weiter ausbilden lassen wollte. Er ließ einen bedeutenden Professor kommen, um ihn zu fragen, welche Institution zu diesem Zwecke die geeignetste sei. Der Professor antwortete, daß der junge Mann seine Ausbildung vielleicht auf einer deutschen Universit¨ at empfangen k¨ onne, wenn er sich damit bescheide, addieren und subtrahieren zu lernen. Wolle er es aber bis zur Multiplikation und Division bringen, so sei Italien nach seiner, des Professors Meinung, das einzige Land, wo man ihm dies beibringen k¨ onne.“ Die Rechenoperationen Multiplikation und Division hatten damals tats¨ achlich nicht viel gemein mit den Rechenarten, die heute diesen Namen tragen. So war z.B. die Multiplikation eine Abfolge von Verdopplungen und die Division beschr¨ ankte sich auf die Teilung in zwei gleiche Teile.

40

5 Zahldarstellung

liche Aspekte gegeneinander abw¨ agen, wie z.B. die durchzuf¨ uhrende Rechenoperation und die zu garantierende Genauigkeit des Ergebnisses, den Befehlssatz des Prozessors, die interne Registerbreite des Rechenwerkes, die Speicherarchitektur mit ggf. Verwendung von Cache-Speicher zum Abspeichern von Zwischenergebnissen, um schneller auf interne Tabellen zugreifen zu k¨ onnen, etc.. Die Automatisierung von Berechnungen ist nicht nur heutzutage eine zentrale Frage. Als es noch keine mechanischen oder elektrischen Rechner gab, wurden der Einfachheit halber Menschen mit der Durchf¨ uhrung von Berechnungen beauftragt. Anmerkung 13 (Adam Ries). Ein ber¨ uhmter Rechenmeister war der Churf¨ urstlich S¨achs. Hofarithmetikus Adam Ries, der durch seine Rechenb¨ ucher, z.B. Rechenung auff den Linihen un Federn18 , aus dem Jahr 1522 zum sprichw¨ ortlichen Rechenlehrer der Deutschen wurde: nach Adam Ries(e) steht f¨ ur richtig, genau gerechnet. Er trug nicht zuletzt durch sein didaktisches Geschick maßgebend zur Verbreitung des schriftlichen Rechnens in Deutschland bei. Die Subtraktion zweier Bin¨ arzahlen f¨ uhren wir auf die Addition zur¨ uck. Wir ben¨ otigen die Definition 6 (Zweierkomplement). Die Zweierkomplementdarstellung einer positiven ganzen Zahl z in Bin¨ardarstellung nach (5.2) ist die Zahl z=

s−1 

(1 − zi ) · 2i + 1.

i=0

Alle Ziffern der bin¨ aren Zahl werden durch ihr Komplement ersetzt: die bin¨ are Eins wird zur bin¨ aren Null und die bin¨ are Null wird zur bin¨aren Eins. Das Zweierkomplement erhalten wir aus diesem Einserkomplement, wenn anschließend das Ergebnis um Eins erh¨ oht wird. Das Ersetzen der Ziffern einer Bin¨ arzahl wird in einem Schaltbild einfach durch die NICHT-Verkn¨ upfung realisiert. Diese Operation ist effizient implementierbar mit Aufwand O(s). Daran schließt sich die ¨ Ubung 4. Zeigen Sie, dass f¨ ur die Summe einer s-stelligen Bin¨arzahl z ≥ 0 und ihres s-stelligen Zweierkomplements z gilt z+z =

s−1 

1 · 2i + 1 = 2s .

(5.5)

i=0

Die Subtraktion zweier Bin¨ arzahlen m ≥ 0 und n ≥ 0 kann mit der Zweierkomplementdarstellung 18

Das Rechnen auf den Linien steht f¨ ur das Rechnen mit dem Abakus und das Rechnen mit der Feder f¨ ur das Rechnen mit arabischen Ziffern.

5.3 Multiplikation und Division von Bin¨ arzahlen

m − n = m + n − 2s

41

(5.6)

uckgef¨ uhrt werden: auf die Summe der Bin¨ arzahlen m und n zur¨ ¨ 1. Im Fall eines Ubertrags bei der Addition m+n in der h¨ochsten Stufenzahl asentierbare Stufenzahl 2s , ist das Ergebnis 2s−1 in die nicht mehr repr¨ positiv und die Differenz entspricht m + n + 1 − 2s , also dem Ergebnis ¨ der Addition ohne Ubertrag. ¨ 2. Im anderen Fall, d.h. es gibt keinen Ubertrag, ist das Ergebnis negativ und hat den Betrag des Zweierkomplements der Addition m + n. Die Subtraktion von Bin¨ arzahlen kann mit einer zus¨atzlichen Fallunterscheidung auf die Addition und die Darstellung als Zweierkomplement zur¨ uckgef¨ uhrt werden. Ein Schaltbild f¨ ur die Subtraktion wird in Aufgabe 29 entwickelt.

5.3 Multiplikation und Division von Bin¨ arzahlen Die Analyse der Multiplikation beginnen wir mit dem einfachen Fall der Multiplikation einer Zahl z in Bin¨ ardarstellung (5.2) mit einer Zweierpotenz 2l mit l ≥ 0. Das Produkt p kann dargestellt werden als p = 2l · z = 2l ·

s−1 

zi · 2i =

i=0

s+l−1 

zi−l · 2i .

(5.7)

i=l

Die Bin¨ ardarstellung des Produktes p=

t−1 

pj · 2 j

j=0

ben¨ otigt t := s + l Stellen. Der Vergleich mit (5.7) liefert pj = zj−l f¨ ur j ≥ l und pj = 0 f¨ ur j < l. Das Bitmuster des Produktes p ergibt sich aus dem um l Stellen nach links verschobenen Bitmuster der Zahl z. Der Spezialfall l = 0 entspricht der Multiplikation mit der Zahl Eins und erfordert keine Bitverschiebung. Dies motiviert die Definition 7 (Verschiebeoperator). Der Verschiebeoperator definiert f¨ ur l ≥ 0 die Abbildung Vl : ZZ −→ ZZ, die der Bin¨arzahl z=

s−1 

zi · 2i

i=0

die Bin¨arzahl Vl (z) =

s−1  i=0

zuordnet.

zi · 2i+l

(5.8)

42

5 Zahldarstellung

Verschiebungen des Bitmusters lassen sich sehr effizient implementieren und ben¨ otigen den Aufwand O(l), da l Bits in die bin¨are Repr¨asentation eingef¨ ugt werden m¨ ussen. Das Multiplizieren zweier Zahlen m und n in s-stelliger Bin¨ardarstellung kann mittels mehrfacher Anwendung des Verschiebeoperators m·n=

s−1  i=0

mi · 2 · n = i

s−1 

mi · Vi (n)

(5.9)

i=0

realisiert werden. In dem Fall mi = 0 liefert der entsprechende Summand mi · Vi (n) keinen Beitrag zum Produkt m · n. Im anderen Fall mi = 1 tragen die im Bitmuster verschobenen Bin¨ arzahlen Vi (n) zum Ergebnis bei. Die Multiplikation zweier s-stelliger Bin¨ arzahlen reduziert sich auf maximal s Additionen mit dem gesamten Aufwand O(s2 ). Es gibt mehrere M¨ oglichkeiten diese Komplexit¨at zu reduzieren. Im Folgenden wird der Karatsuba-Algorithmus vorgestellt. Dabei werden zwei hinreichend große Bin¨ arzahlen m und n mit gerader Stellenanzahl s zerlegt in m = m0 + m1 · be ,

n = n0 + n1 · b e

mit e = s/2.

(5.10)

Im Fall ungerader Stellenzahl wird eine f¨ uhrende Null eingef¨ ugt. ¨ Ubung 5. Geben Sie die vier Repr¨ asentationen der Bin¨arzahlen m0 , m1 , n0 und n1 explizit an. Zeigen Sie, dass diese maximal s/2 Stellen haben. Das Produkt kann dargestellt werden als m · n = m0 · n0 + (m0 · n1 + m1 · n0 ) · be + m1 · n1 · b2e . Die explizite Berechnung der vier Produkte m0 · n0 , m0 · n1 , m1 · n0 und m1 · n1 kann umgangen werden, indem man p 0 = m0 · n 0 ,

p1 = (m0 + m1 ) · (n0 + n1 )

und p2 = m1 · n1

berechnet und das Produkt m · n darstellt als m · n = p0 + (p1 − p0 − p2 ) · be + p2 · b2e . Das Produkt zweier s-stelliger Bin¨ arzahlen wird dadurch auf zwei Summen und zwei Differenzen f¨ ur Produkte von Bin¨arzahlen mit s/2 Stellen zur¨ uckgef¨ uhrt. Diese Zerlegung k¨ onnen wir rekursiv anwenden. Wir erhalten f¨ ur die Gr¨ oßenordnung der durchzuf¨ uhrenden Operationen R in Abh¨angigkeit von der Stellenzahl s wegen s + O(s) R(s) = 3 · R 2 und somit

5.3 Multiplikation und Division von Bin¨ arzahlen

43



 R(s) = O slog(3)/ log(2) = O s1.5849... . Die Verschiebeoperation ist sehr effektiv implementierbar und daher lohnt sich in der Praxis der Aufwand der Karatsuba-Multiplikation erst f¨ ur Stellenanzahlen mit s  100. Daran schließt sich die ¨ Ubung 6. Verallgemeinern Sie den Karatsuba-Algorithmus, indem Sie die Bin¨ arzahlen anstatt in zwei Summanden wie in (5.10) in h > 2 Summanden zerlegen. Die Multiplikation zweier s-stelliger Bin¨arzahlen l¨asst sich dann mit der Komplexit¨ at O(slog(2h−1)/ log(h) ) realisieren. Die Analyse der Division von Bin¨ arzahlen beginnen wir mit der Anmerkung 14 (Division mit Rest). Das Ergebnis der Division ganzer Zahlen m und n ist nicht notwendigerweise wieder eine ganze Zahl. Der Quotient m ÷ n =: q ∈ ZZ und der Rest m mod n =: r ∈ ZZ soll f¨ ur n > 0 m¨oglichst die folgenden drei Bedingungen erf¨ ullen: 1. die definierende Gleichung m=q·n+r

(5.11)

soll erf¨ ullt sein, 2. wenn sich das Vorzeichen von m ¨ andert, soll sich nur das Vorzeichen von q¨ andern und nicht der Betrag |q| und 3. es soll sowohl 0 ≤ r als auch 0 < n gelten. Alle drei Bedingungen k¨ onnen leider nicht zugleich eingehalten werden. Wir betrachten dazu das Beispiel 5÷2 mit dem Quotient 2 und dem Rest 1, womit die erste Bedingung erf¨ ullt w¨ are. Wenn das Ergebnis der Division −5÷2 nach der zweiten Eigenschaft gleich q := −2 sein soll, w¨are wegen (5.11) der Rest r := −1 < 0 im Widerspruch zur dritten Eigenschaft. Wenn im anderen Fall der Rest der Division −5 ÷ 2 nach der zweiten Eigenschaft gleich r := 1 sein soll, w¨ are wegen (5.11) das Ergebnis q := −1 im Widerspruch zur zweiten Eigenschaft. Die meisten Programmiersprachen implementieren die Division ganzer Zahlen m und n so, dass die ersten beiden Eigenschaften erf¨ ullt sind. Die Programmiersprache C garantiert sogar nur die erste Eigenschaft sowie |r| < |n| und f¨ ur die ganzen Zahlen m ≥ 0 und n > 0 den Rest r ≥ 0. Diese Bedingungen sind weniger einschr¨ ankend als die Bedingungen 2 oder 3. Die Division positiver ganzer Zahlen m und n k¨onnen wir z.B. implementieren, indem wir den Divisor n solange vom Dividend m abziehen, bis der aktuelle Wert m kleiner als n ist. Der Ausgabewert der Funktion \\ Eingabewerte: m und n k = 0; WHILE m > n : m = m - n;

44

5 Zahldarstellung

k = k + 1; ENDWHILE \\ Ausgabewert: k ist der gesuchte Quotient k. Die Division l¨asst sich auf das mehrfache Ausf¨ uhren der Subtraktion m − n zur¨ uckf¨ uhren. Diese einfache und robuste Implementierung der Division ganzer Zahlen nach Anmerkung 14 ist nicht effizient, denn die Rechenzeit ist nicht unabh¨ angig vom Ergebnis und ben¨ otigt den Aufwand O((m ÷ n) · s). Eine detaillierte Besprechung effizienterer Divisionsalgorithmen findet sich z.B. in [88]. Die verwendeten Divisionsalgorithmen sind wesentlich komplizierter und folglich fehleranf¨ alliger, wie wir zeigen in der Anmerkung 15 (Divisions-Fehler im Pentium Prozessor, 1994). Ein einfacher Test f¨ ur das fehlerfreie Arbeiten eines Prozessors ist die Berechnung des Ausdrucks x − (x/y) · y mit dem Ergebnis 0 f¨ ur y = 0 und exakter Rechnung. Der damals neue Pentium Prozessor lieferte allerdings f¨ ur x = 4 195 835 und y = 3 145 727 das Ergebnis 256. Der Divisions-Algorithmus Radix-4 SRT war wie folgt implementiert: 1. Sammle die signifikanten Stellen in Dividend m und Divisor n. 2. Sch¨ atze mit Hilfe einer Tabelle die n¨ achste Stelle q des Quotienten. 3. Multipliziere den Divisor n mit der Sch¨ atzung q und subtrahiere diesen Wert vom Dividenden m = m − q · n. 4. Speichere die Stellen des Quotienten in den am wenigsten signifikanten Stellen des Quotienten-Registers. 5. Verschiebe den Rest und den Quotienten um eine Stelle nach rechts. 6. Sammle die signifikanten Stellen des Rests und fahre fort wie oben. Dieser Algorithmus erzeugt pro Takt zwei gu ¨ ltige Stellen des gesuchten Quotienten. Die verwendete Tabelle sah 1066 Eintr¨ age vor. Durch eine fehlerhafte FOR-Schleife wurden nur 1061 Werte in den Pentium Prozessor aufgenommen. Diese nicht vorhandenen Tabellenwerte wirkten sich in seltenen F¨allen bei der Durchf¨ uhrung einer Gleitpunktdivision aus und lieferten falsche Resultate an der vierten Dezimalstelle19 . Der Schaden f¨ ur die Firma Intel bezifferte sich auf u ¨ ber 400 Millionen Dollar. In diesem Abschnitt haben wir gezeigt, dass die bin¨are Zahldarstellung der effizienten Ausf¨ uhrung der vier Grundrechenoperationen sehr entgegen kommt. Mit der Stellenanzahl s bestimmen wir den zur Darstellung einer Bin¨ arzahl z verwendeten Speicher und damit gleichzeitig auch den Umfang der darstellbaren Zahlen. Da wir nur einen endlichen Speicherplatz zur Verf¨ ugung haben, k¨ onnen wir nicht alle ganzen Zahlen ZZ darstellen. Wir m¨ ussen daher die Repr¨ asentation (5.2) auf eine feste Stellenanzahl s einschr¨ anken. Im folgenden Abschnitt zeigen wir, was wir konkret im Umgang mit diesem beschr¨ ankten Bereich zu beachten haben. 19

Siehe auch www.intel.com/procs/support/pentium/fdiv/.

5.4 Integer-Zahlen

45

5.4 Integer-Zahlen Die bin¨ are Zahldarstellung (5.2) erm¨ oglicht es, eine endliche Teilmenge der ganzen Zahlen ZZ exakt in einem Rechner darzustellen. Der endliche Speicher beschr¨ ankt dabei die Anzahl der repr¨ asentierbaren ganzen Zahlen. Wir legen eine feste Stellenanzahl s fest. Die sich daraus ergebende Menge der Maschinenzahlen IMI beschreibt folgende Definition 8 (Integer-Zahlen). Die ganze Zahl z ∈ ZZ geh¨ort genau dann zur Menge der Integer-Zahlen IMI , falls z=

s−1 

mi · 2i − 2s−1 ,

mi ∈ {0, 1},

i = 0, . . . , s − 1

(5.12)

i=0

gilt. Der Summand −2s−1 in (5.12) erm¨ oglicht die Repr¨asentation negativer ganzer Zahlen. Der darstellbare Bereich der Integer-Zahlen umfasst nach Definition 8 alle ganzen Zahlen der Menge −2s−1 , −2s−1 + 1, . . . , 2s−1 − 2, uhrt von der 2s−1 − 1. Die Asymmetrie der oberen und unteren Schranke r¨ Darstellung der Zahl Null her. Eine Integer-Zahl wird mit s Bits im Speicher abgelegt. Anmerkung 16 (Explizites Vorzeichen-Bit). Negative ganze Zahlen k¨onnen alternativ zu (5.12) auch durch ein explizites Vorzeichen-Bit dargestellt werden mit z = (−1)v ·

s−1 

mi · 2 i ,

mi ∈ {0, 1} i = 0, . . . , s − 1.

(5.13)

i=0

Die Darstellung (5.13) ben¨ otigt s + 1 Bits und deckt den Bereich der ganzen Zahlen symmetrisch von −2s + 1 bis 2s − 1 ab. Die Zahlendarstellung (5.12) hat den Vorteil, bei Verwendung gleich vieler Bits t = s + 1 zus¨atzlich die Zahl −2t−1 darzustellen. Dies liegt daran, dass +0 = −0 ist und mit (5.13) die Zahl Null doppelt“ repr¨ asentiert wird. ” Die Anzahl der Bits zur Darstellung einer Integer-Zahl h¨angt von der Registerbreite des Prozessors ab. Die Programmiersprache C bietet z.B. den Datentyp int an, der abh¨ angig vom Prozessor typischerweise t = 8, t = 16 oder t = 32 Bits zur Darstellung verwendet. Die minimal und maximal darstellbaren Integer-Zahlen geben wir unabh¨ angig von der Stellenzahl t einen Namen in der Definition 9 (Minimale und maximale Integer-Zahl). Die kleinste bzw. gr¨oßte darstellbare Integer-Zahl im Format (5.12) bezeichnen wir unabh¨angig von der Stellenzahl t mit der minimalen Integer-Zahl INT_MIN bzw. der maximalen Integer-Zahl INT_MAX. Es gilt

46

5 Zahldarstellung

INT_MIN := −2t−1 INT_MAX := 2

t−1

und

− 1.

Die Tabelle 5.3 zeigt die Werte INT_MIN und INT_MAX abh¨angig von der Stellenzahl t. Tabelle 5.3. Die minimale Integer-Zahl −2t−1 und die maximale Integerangig von der Stellenzahl t. Zahl 2t−1 − 1 abh¨ Stellenzahl t INT_MIN 8 −128 16 −32.768 −2.147.483.648 32 −9.223.372.036.854.775.808 64

INT_MAX 127 32.767 2.147.483.647 9.223.372.036.854.775.807

Die Integer-Zahlen decken den Zahlenbereich aller ganzen Zahlen zwischen INT_MIN und INT_MAX ab. Wir machen noch die folgende Definition 10 (Datentypen signed integer und unsigned integer). Der Datentyp unsigned integer uint, wie z.B. uint16 oder uint32, bezeichnet eine Bin¨arzahl z ∈ ZZ nach (5.2) mit s = t − 1 z=

t−1 

mi · 2 i ,

mi ∈ {0, 1},

i = 0, . . . , t − 1.

(5.14)

i=0

Der Datentyp signed integer int, wie z.B. int16 oder int32, bezeichnet entsprechend eine Integer-Zahl z ∈ ZZ nach (5.12) mit s = t − 1 z=

t−1 

mi · 2i − 2t−1 ,

mi ∈ {0, 1},

i = 0, . . . , t − 1.

(5.15)

i=0

Beide Datentypen ben¨otigen genau t Bits im Speicher. Beispiel 2 (Umwandlung in das Format einer Integer-Zahl). Die Dezimalzahl 11 soll als Integer-Zahl mit t = 5 Stellen dargestellt werden. Wir berechnen 11 = 27 − 16 = 16 + 11 − 24 = 16 + (8 + 3) − 24 = 16 + 8 + (2 + 1) − 24 = 24 + 23 + 21 + 20 − 24 = 1 · 24 + 1 · 23 + 0 · 22 + 1 · 21 + 1 · 20 − 24 = (11011)2 − 24 .

5.4 Integer-Zahlen

47

Daran schließt sich die ¨ Ubung 7. Wie lautet die Darstellung der Zahl 11 mit t = 6 Stellen? Wenden wir uns dem Rechnen mit Integer-Zahlen zu. Die Integer-Zahlen sind eine Teilmenge der ganzen Zahlen und so k¨onnen die im Abschn. 5.1 vorgestellten Berechnungsmethoden angewendet werden: Das Ergebnis einer Addition, Subtraktion oder Multiplikation von Integer-Zahlen muss nicht notwendigerweise im Bereich der darstellbaren Integer-Zahlen enthalten sein. Wenn das Ergebnis einer Integer-Rechenoperation nicht mehr in der Menge der darstellbaren Integer-Zahlen [INT_MIN, INT_MAX] liegt, dann findet ein ¨ Uberoder Unterlauf des Zahlenbereichs statt, bei dem das so genannte Carry-Bit gesetzt wird, siehe dazu die Anmerkung 17 (Wrap-Around). Der Integer-Zahlenbereich wird projektiv abgeschlossen, indem man sich den Bereich der darstellbaren Integer-Zahlen von INT_MIN bis INT_MAX auf einem Kreis angeordnet vorstellt. Durch diese Konstruktion erscheint der Integer-Zahlenbereich geschlossen, siehe Abb. 5.7. Der Wrap-Around bezeichnet dann das Ergebnis eines Zahlen¨ uber- oder unterlaufs. Eine Bereichs¨ uberschreitung, z.B. um den Wert Eins, f¨ uhrt zu dem nicht mehr darstellbaren Resultat 2t−1 und wird als benachbarte Zahl auf dem Kreis interpretiert. Der Wrap-Around liefert somit als Ergebnis die betragsm¨ aßig gr¨ oßte, negative darstellbare Zahl INT_MIN. Der so beschriebene Wrap-Around realisiert mathematisch gesehen einen Restklassenring modulo 2t f¨ ur den Datentyp unsigned integer.

t−1

2 −1 t−1

2 −2

−2

t−1

t−1

−2 +1

...

...

1 0

Abb. 5.7. Die projektive Schließung des Bereichs der Integer-Zahlen [−2t−1 , 2t−1 − 1].

Das Carry-Bit wird im Fall einer Bereichs¨ uberschreitung gesetzt: Zuverl¨ assige Software sollte ggf. eine fehlgeschlagene Rechenoperation in Ab-

48

5 Zahldarstellung

h¨angigkeit vom Status des Carry-Bits abfangen. Das Carry-Bit wird z.B. bei einer Addition immer dann ben¨ otigt, wenn das Ergebnis der Addition die Registerbreite u ¨ berschreitet. Beispiel 3 (Verwendung des Carry-Bits). Die beiden hexadezimalen Zahlen a = 0x1A0 und b = 0x1B0 sollen addiert werden. Ein entsprechender Programmabschnitt in der Programmiersprache C lautet z.B. int16 A = Ox1A0, B = Ox1B0; int16 C = A + B; Wir betrachten die Wirkungsweise des Carry-Bits anhand der Folge der Assembler-Befehle, die ein Compiler aus diesem Programmabschnitt erzeugt. Die im Folgenden beschriebene Intel8086-Assembler-Routine addiert die beiden 16-Bit-Summanden a und b mit Hilfe von 8-Bit-Registern. Das Register AL dient als Zwischenregister. Die Intel Prozessoren verf¨ ugen u ¨ ber zwei verschiedene Addierbefehle: der Befehl adc ber¨ ucksichtigt ein ggf. gesetztes Carry-Bit und der oben verwendete Befehl add nicht. Zuerst werden die beiden Lowbytes ohne Ber¨ ucksichtigung des Carry-Bits addiert: # BEGIN # Lowbyte des ersten Summanden in das Register AL laden mov AL, 0xA0; # AL = 0xA0 # Lowbyte des zweiten Summanden zum Register AL addieren add AL, 0xB0; # AL = 0xB0, Carry-Bit = 1 # ... ¨ Das Carry-Bit wird im Fall eines Uberlaufes, wie in diesem Beispiel, gesetzt. # ... # Ergebnis Lowbyte nach BL kopieren mov BL, AL; # BL = 0x50 # ... Der Registerladebefehl mov ver¨ andert das Carry-Bit nicht. # ... # Highbyte des zweiten Summanden in das Register AL laden mov AL, 0x01; # AL = 0x01 # ... Die anschließende Addition der Highbytes mit dem Befehl adc beachtet das gesetzte Carry-Bit und erh¨ oht den Wert der Summe 0x01+0x01 um den Wert 1: # ... # Highbyte des zweiten Summanden zum Register AL addieren adc AL, 0x01; # AL = 0x03, Carry-Bit = 0 # ...

5.4 Integer-Zahlen

49

¨ Der Befehl adc erzeugte keinen Uberlauf und daher wird das Carry-Bit wieder gel¨ oscht. Das Highbyte des Ergebnisses wird zuletzt noch in das Register CL verschoben: # ... # Highbyte des Ergebnisses nach CL kopieren mov CL, AL; # CL = 0x03 # Ergebnis: Highbyte in CL 0x03 und Lowbyte in BL 0x50 # END Die Ergebnis int16 c = 0x350 landet in dem Registerpaar CL (Highbyte) und BL (Lowbyte). Die Programmiersprache C sieht explizit keinen Befehl zum Auslesen des Carry-Bits vor. Es ist daher nicht m¨ oglich den Status des Carry-Bit auf der Abstraktionsebene C abzufragen. Wenn es notwendig ist, w¨ahrend der Pro¨ grammlaufzeit auf einen Uberlauf reagieren zu m¨ ussen, ist in der Programmiersprache C ein Trick anzuwenden: das Ergebnis wird zun¨achst in einer Zwischenvariablen mit gr¨ oßerem Wertebereich berechnet und anschließend gepr¨ uft, ob das Ergebnis im Wertebereich der Zielvariablen enthalten ist, wie gezeigt wird in der Anmerkung 18 (Saturierte Multiplikation). Die drei Variablen a, b und das ¨ Produkt c = a * b haben denselben Datentyp uint8. Ein Uberlauf soll ggf. abgefangen werden. Es bietet sich folgender C-Code an: uint8 a = 20, b = 40, c; uint16 d; d = a * b; c = ((d < (uint16) 255) ? (uint8) d : (int8) 255); Das Ergebnis c entspricht dem Produkt a * b , solange der Wertebereich ¨ der Variablen c nicht u lautet das ¨berschritten wird. Im Fall eines Uberlaufs Ergebnis in dem Beispiel c = 255, also dem maximalen Wert des zul¨assigen Wertebereiches des Datentyps uint8. Die Division von Integer-Zahlen liefert i.Allg. keine ganzzahligen Ergebnisse mehr (vgl. Abschn. 5.3). Soll das Ergebnis eine Integer-Zahl sein, m¨ ussen wir die Division zweier Integer-Zahlen als Division ohne Rest, symbolisiert durch ÷, implementieren. Wir geben das Beispiel 4. Die Integer-Division f¨ uhrt z.B. zu folgenden Resultaten 4 ÷ 2 = 2,

−7 ÷ 3 = −2 und 1 ÷ 3 = 0.

(5.16)

Die Integer-Division kann als Rundung zur Null hin interpretiert werden. Die beiden letzten Divisionen im Beispiel 4 sind gleichzeitig auch Beispiele f¨ ur einen unvermeidbaren Rechenfehler fre = 1/3 entsprechend (4.4). Diese

50

5 Zahldarstellung

Rechenfehler k¨ onnen in der Analyse der Algorithmen nicht vernachl¨assigt werden, wie sp¨ ater im Beispiel 6 gezeigt werden wird. Die Programme brechen in der Regel bei der Division durch die Zahl Null ohne Fehlermeldung ab. Es lohnt sich daher, diese unzul¨assigen F¨alle abzufangen, wie wir sehen in Beispiel 5 (Division durch Null). Das US-Kriegsschiff Yorktown trieb im September 1997 f¨ ur einen halben Tag man¨ ovrierunf¨ahig im Atlantik. Die Eingabe ¨ einer Null wurde nicht abgefangen und f¨ uhrte zu einem Uberlauf, der das ge20 samte System lahm legte . Ein Programmabschnitt, der Divisionen enth¨alt, sollte vor einem Programmlauf analysiert21 werden, um sicherstellen zu k¨onnen, dass f¨ ur alle zul¨ assigen Eingabedaten entweder keine Division durch die Zahl 0 stattfinden kann oder die entsprechenden Divisionen sinnvollerweise gekapselt werden: das Programm kann dann kontrolliert terminieren. So bietet es sich z.B. an, die entsprechende Division zu ersetzen durch die Routine int division(int dividend, int divisor) { if (divisor != 0) return (dividend / divisor); else ... // Fehlerhinweis, Defaultwert, etc. } Die Eigenschaften der Datentypen und der zugeh¨origen Arithmetik sind sorgf¨ altig zu beachten, wie gezeigt wird in der Anmerkung 19 (Bestrahlung und Wrap-around). Das Steuerungsprogramm des medizinischen Bestrahlungsger¨ ates Therac-25 zeigte mit einer 8-Bit Integer-Variablen sowohl den Ger¨ atestatus als auch die Anzahl der fehlgeschlagenen Bestrahlungsversuche an: 1. Wenn alle Ger¨ ateeinstellungen in Ordnung waren, wurde der Variablen der Wert 0 zugewiesen und die Bestrahlung konnte beginnen. 2. Wenn die Ger¨ ateeinstellungen gegen die f¨ ur den Betrieb vorgesehenen Regeln verstießen, wurde der Wert der Variable um den Wert 1 erh¨oht und war somit insbesondere ungleich 0 und die Bestrahlung konnte nicht ausgef¨ uhrt werden. Der Wert der Variablen nahm nach 256 Fehlversuchen wegen des Wraparound, siehe Anmerkung 17, den Wert 0 an, und trotz fehlerhafter Ger¨ateeinstellung wurde die Bestrahlung begonnen - mit teils verheerenden Folgen f¨ ur die Patienten. 20 21

Siehe auch www.gcn.com/archives/gcn/1998/july13/cov2.htm. Die Firma Polyspace Technologies bietet z.B. mit der Software Polyspace Verifier ein solches Analyseprogramm f¨ ur C-Code an.

5.5 Darstellung reeller Zahlen

51

Zusammenfassung: Die vier arithmetischen Grundoperationen im Bereich der Integer-Zahlen erfordern die detaillierte Analyse der Wertebereiche der Variablen. Die implementierten Algorithmen m¨ ussen insbesondere sowohl ¨ die Uberoder Unterschreitung des Bereichs der Integer-Zahlen als auch die bereits im Bereich der ganzen Zahlen ZZ nicht zugelassene Division durch Null abfangen k¨ onnen. Rechenfehler treten dann nur noch bei der Division auf, wenn die Division nicht auf geht. Mit diesen Betrachtungen wollen wir die Approximation ganzzahliger Zahlenbereiche verlassen und uns dem Problem der Repr¨asentation reeller Zahlen zuwenden.

5.5 Darstellung reeller Zahlen In einem Rechner k¨ onnen wegen der Endlichkeit des Speichers – ¨ahnlich wie bei den ganzen Zahlen ZZ – nur endlich viele reellen Zahlen IR dargestellt werden: Jedes nicht-leere Intervall [a, b] ⊂ IR enth¨alt unendlich viele reelle Zahlen und daher k¨ onnen im Gegensatz zu den ganzen Zahlen ZZ nicht mehr alle Zahlen aus einem Teilintervall exakt repr¨ asentiert werden. Zus¨atzlich tritt ein weiteres Problem auf: Wie klein auch die noch zu definierende Genauigkeit der repr¨ asentierenden Zahlen gew¨ ahlt ist, irrationale Zahlen wie z.B. die √ Kreiszahl π oder 2 k¨ onnen niemals korrekt dargestellt werden, da sie unendlich viele Stellen haben. Die Eingabedaten k¨ onnen daher nur in Spezialf¨allen exakt verarbeitet werden. In diesem Zusammenhang hat es sich auch nicht als sinnvoll erwiesen, die rationalen Zahlen als Br¨ uche mittels Z¨ahler und Nenner durch ganze Zahlen darzustellen. 5.5.1 Festkommazahlen In einem ersten Ansatz k¨ onnen wir zus¨ atzlich zu den Vorkommastellen“ der ” Bin¨ arzahlen noch eine feste Anzahl von Nachkommastellen zulassen. Dies f¨ uhrt zu der Definition 11 (Festkommazahlen). Die Menge IMF der Festkommazahlen fasst alle reellen Zahlen r ∈ IR zusammen, die sich mit einer festen vorgegebenen Stellenzahl v, n ∈ IN∗ 22 sowohl vor als auch hinter dem Komma, den Vor- und Nachkommastellen23 , und der Basis b als r = (−1)s ·

v−1 

ri · bi

(5.17)

i=−n 22

23

Die Menge IN∗ bezeichnet nach der Norm ISO 31-11 Mathematical signs and symbols for use in the physical sciences and technology die Menge der nat¨ urlichen Zahlen ohne die Null. Jede reelle Zahl kann durch eine unendliche b-adische Entwicklung mit n = ∞ eindeutig dargestellt werden, siehe auch Aufgabe 28.

52

5 Zahldarstellung

mit ri ∈ {0, . . . , b − 1} und −n ≤ i ≤ v − 1 darstellen lassen. Eine Festkommazahl in der Repr¨ asentation (5.17) ben¨otigt somit n+v +1 Bits: n + v Bits f¨ ur die Vor- und Nachkommastellen sowie ein weiteres Bit f¨ ur das Vorzeichen. Anmerkung 20 (Komma). Die heute g¨ ultige Zahlennotation mit dem Komma geht auf den fl¨ amischen Mathematiker Simon Stevin zur¨ uck. In seinem Buch De Thiende von 1585, siehe [106], stellte er z.B die Zahl 2, 632 als 2 0g6 1g3 2g2 3g dar. Der Stellenwert der Ziffer wurde in einem tiefgestellten Kreis gemerkt. Die Position der Ziffer ordnet den Stellenwert zu und so gen¨ ugte es bald, nur ur die Einser-Position, zu machen, aus dem sich dann einen Kreis 0g, z.B. f¨ das bekannte Komma entwickelte. Das Komma ist mittlerweile laut der Norm ISO 31-11 durch den Dezimalpunkt abgel¨ost. Die Ziffern werden durch Leerzeichen zwischen Gruppen von jeweils drei Ziffern separiert. Anmerkung 21. Die Repr¨ asentation (5.17) der Festkommazahlen ist bis auf den Faktor bn formal ¨ aquivalent zu der Repr¨ asentation (5.1): Festkommazahlen lassen sich als rationale Zahlen mit ganzzahligem Z¨ahler und konstantem Nenner bn interpretieren. Die Implementierung der vier Grundrechenarten l¨asst sich ¨ ahnlich wie f¨ ur die Bin¨ arzahlen durchf¨ uhren. Die Repr¨ asentation mit Festkommazahlen wird bevorzugt angewendet, wo die Anzahl der relevanten Vor- und Nachkommastellen bekannt ist: Die Angaben von Devise wie z.B. Dollar.Cent oder Euro.Cent sind nur zwei Nachkommastellen notwendig (b = 10). Die genaue Kenntnis der Vor- und Nachkommastellen reicht allerdings nicht aus, um die Rechenfehler in einer Berechnung zu beherrschen, wie wir nachvollziehen k¨onnen an dem Beispiel 6 (Vancouver B¨orsenindex). Der Aktien-Index war an der Aktienb¨ orse in Vancouver rechnerisch von anf¨ anglich 1000.0000 am 25. November 1983 auf 574.0810 gefallen, obwohl der tats¨ achliche Wert des Aktien-Indexes bei 1098.8920 stand. Der Aktien-Index wurde nach jeder der t¨aglich ca. 3000 Verkaufsereignisse neu berechnet. Der aktuelle Wert des Aktien-Index wurde mit vier Nachkommastellen gespeichert und nach jeder Aktualisierung anstatt korrekt gerundet, ¨ ahnlich wie bei der Integer-Division, einfach nur um die nicht relevanten, mitberechneten Nachkommastellen abgehackt“. Diese ” Abschneidefehler waren der Grund f¨ ur den falschen Wert des Indexes. Das Rechnen mit Festpunktzahlen f¨ uhrt sehr h¨aufig zu Bereichs¨ uber¨ schreitungen. Die unerw¨ unschten Unter- oder Uberlaufe k¨onnen bei detaillierter Analyse der Berechnung durch Skalierungsfaktoren verhindert werden, wie gezeigt wird in

5.5 Darstellung reeller Zahlen

53

Beispiel 7 (Skalierungsfaktoren). Die Funktion √ x y = f (x) = 1+x soll f¨ ur Werte der Form

(a + b) · c , d mit a, b, c ∈ (0, 1) und d ∈ (0.1, 1) ausgewertet werden. Es soll sichergestellt werden, dass kein Zwischenergebnis den Wert 1 u ¨ berschreitet. Eine Prozedur zur Wurzelberechnung sei vorhanden. Das Ergebnis der Funktion f (x) sch¨ atzen wir mit der Ungleichung zwischen dem harmonischen und geometrischen Mittel √ 2 a · b f¨ ur positive a, b ∈ IR, 1 1 ≤ a + b x=

f¨ ur x > 0 mit √ 1 x = · 1+x 2

√1 x

2 1 √ ≤ · 2 + x

1 1 √ √ · x= x 2

nach oben ab. Das Endergebnis y u ¨ berschreitet den Wert 1 nicht. Allerdings kann der Wert x f¨ ur die Belegung a = b = c = 1 und d = 0.1 den Wert 20 annehmen. Dies steht im Widerspruch zu der Forderung, dass alle Zwischenergebnisse kleiner als 1 sein sollen. Wir erweitern daher den Ausdruck f¨ ur y mit dem Skalierungsfaktor d und definieren z := d · x = (a + b) · c. Als Resultat erhalten wir √ √ d· z y= . (5.18) d+z Aufgrund der angegebenen Restriktionen f¨ ur a, b, c und d k¨onnen wir die neuen Argumente absch¨ atzen: 0 ≤ z < 2 und 0 < d + z < 3. Daher erweitern wir die Darstellung (5.18) nochmals mit dem Skalierungsfaktor 1/3. Die gew¨ unschte Berechnungsmethode lautet endlich

d/3 · z/3 y= . d/3 + z/3 Die Anwendung von Festpunktzahlen empfiehlt sich nur f¨ ur Berechnungen, bei denen die Gr¨ oßenordnung der einzelnen (Zwischen-)Ergebnisse leicht abzusch¨ atzen sind. Dies ist i.Allg. nicht immer so leicht analysierbar wie in Beispiel 7. Wir weichen daher auf andere Zahlendarstellungen aus. 5.5.2 Intervallarithmetik Eine M¨ oglichkeit, akkumulierte Fehler in den Griff zu bekommen, besteht darin, jede Zahl mit beliebig vielen Stellen zu repr¨asentieren, wie das z.B.

54

5 Zahldarstellung

Mathematica zul¨ asst. Da jeder Rechenschritt i.Allg. die Anzahl der notwendigen Stellen zur exakten Repr¨ asentation der internen Zwischenergebnisse erh¨ oht, h¨ angt die Rechenzeit von der Reihenfolge und Anzahl der Berechnungsschritte ab. Die Eingabedaten sind i.Allg. mit Fehler behaftet. Es macht also nur wenig Sinn, mit diesen fehlerbehafteten Zahlen beliebig genau zu rechnen. Es liegt daher die Idee nahe, die Zahlen durch einschließende Intervalle darzustellen. Das Intervall liefert dann auch gleich einen Hinweis auf die G¨ ute der Repr¨ asentation. Dies ist die Grundidee24 der Intervallrechnung, die wir festhalten in der Definition 12 (Intervallarithmetik). Jeder reellen Zahl r ∈ IR wird ein einschließendes Intervall [r1 , r2 ] mit r1 ≤ r ≤ r2 zugeordnet. Beide Intervallgrenzen r1 und r2 sind Maschinenzahlen. Anmerkung 22 (Beschr¨ankte Genauigkeit durch Messung). In der Messtechnik ist es u oßen eines Objektes, die einer direkten ¨ blich, charakteristische Gr¨ Messung nicht zug¨ anglich sind, aus gemessenen Hilfsgr¨oßen zu berechnen. Wollen wir z.B. die Geschwindigkeit eines Fahrzeugs bestimmen, messen wir den Abstand zweier Lichtschranken und die Zeit, die das Fahrzeug ben¨otigt, beide Lichtschranken zu passieren. Da wir sowohl den Abstand als auch die Zeit mit endlicher Genauigkeit messen, etwa in Meter [m] und in Sekunden [s], k¨ onnen wir nur minimale und maximale Grenzen f¨ ur die tats¨achliche Geschwindigkeit angeben. Aufbauend auf Definition 12 der Intervalle k¨onnen wir mathematische Gesetze f¨ ur das Rechnen mit Intervallen herleiten. Bei der Verkn¨ upfung zweier Zahlen r ∈ IR und s ∈ IR, repr¨ asentiert durch die Intervalle [r1 , r2 ] und [s1 , s2 ], werden im Sinne der Intervallarithmetik untere und obere Schranken f¨ ur das gesuchte Ergebnis bestimmt. Bei der Addition ergibt sich so z.B. f¨ ur die Summe r + s ohne Ber¨ ucksichtigung der Rundungsfehler die Intervallrepr¨ asentation [r1 , r2 ] +IM [s1 , s2 ] := [r1 + s1 , r2 + s2 ]. (5.19) Entsprechend ergibt sich f¨ ur die Multiplikation   min {ri · sj }, max {ri · sj } [r1 , r2 ] ·IM [s1 , s2 ] := i,j∈{1,2}

i,j∈{1,2}

Daran schließt sich die 24

Erste Ver¨ offentlichungen zu der so genannten Intervallrechnung wurden 1958 von dem Mathematiker Teruo Sunaga gemacht. In Karlsruhe lief bereits 1967 eine entsprechende Erweiterung der Programmiersprache ALGOL-60 auf einer Anlage Z23 von Konrad Zuse. Die Intervallarithmetik hat sich bisher nicht allgemein durchgesetzt.

5.5 Darstellung reeller Zahlen

55

¨ Ubung 8. Welche Intervallrepr¨ asentation hat die Division zweier Intervall” Zahlen“ r, s ∈ IR, dargestellt durch die Intervalle [r1 , r2 ] und [s1 , s2 ] mit r2 < 0 < s1 , bei Rechnung ohne Rundungsfehler? Das Ergebnis ist ein Intervall, das das gesuchte Resultat r + s bzw. r · s einschließt. Werden auftretende Rundungsfehler bei der Bestimmung der Intervallgrenzen r1 +IM s1 sowie r2 +IM s2 mit ber¨ ucksichtigt, so runden wir die Ergebnisse f¨ ur die Intervallgrenzen nach außen“ auf Maschinenzahlen, ” d.h. [r1 , r2 ] +IM [s1 , s2 ] := [Abrunden(r1 + s1 ), Aufrunden(r2 + s2 )]. Das Umschalten zwischen Auf- und Abrunden kostet auf g¨angigen Prozessoren zus¨ atzlich viel Rechenzeit, weil es in dem heute fast allgemein befolgten IEEE-Standard von der eigentlichen Rechenoperation getrennt ist. Die Intervallarithmetik ist deshalb vergleichsweise langsam. Abhilfe k¨onnen da geeignet entworfene Prozessoren schaffen, die parallel beide Intervallgrenzen berechnen. Dann ist eine elementare Operation mit Intervallen so schnell wie mit gew¨ ohnlichen“ Maschinenzahlen. ” Im Laufe der Berechnung verf¨ ugen wir u ¨ ber exakte untere und obere Schranken f¨ ur das aktuelle Ergebnis. Allerdings kann es durch das Auf- und ¨ Abrunden zu erheblichen Ubersch¨ atzungen der Intervallgr¨oße kommen. Das Ergebnis ist dann zwar korrekt eingeschlossen, die Intervallgrenzen k¨onnen zunehmend ungenauer werden und haben im Fall −∞ und +∞ jede Aussagekraft verloren. Verifizierende numerische Berechnungsverfahren beruhen ganz wesentlich darauf, dass exakte Informationen u ¨ber den Wertebereich bei Funktionsauswertungen zur Verf¨ ugung gestellt werden. Dazu wird eine garantierte Obermenge des Wertebereichs [y1 , y2 ] einer Funktion f mit dem Definitionsintervall X = [x1 , x2 ] berechnet. Der Wertebereich kann insbesondere bei großen“ ” Intervallen und ungeschickter Berechnung von f ung¨ unstig vergr¨oßert werden, so dass das berechnete Intervall nutzlos wird. Wir studieren das im Beispiel 8. Der Wertebereich Y der Funktion f (x) = x/(1 − x) mit dem ¨ Definitionsbereich X = [2, 3] kann mittels Intervallarithmetik nach Ubung 8 abgesch¨ atzt werden: f ([X]) = f ([2, 3]) =

X [2, 3] [2, 3] = = = [−3, −1]. 1−X 1 − [2, 3] [−1, −2]

(5.20)

Der exakte Wertebereich ist Y = f ([X]) = [−2, −1.5] ⊂ [−3, −1]. Das u atzte Ergebnisintervall (5.20) gilt es zu minimieren. Dazu ¨ bersch¨ wird die Berechnungsmethode f mathematisch ¨aquivalent umgeformt. In dem Beispiel 8 ist das mit einem einfachen Trick m¨oglich, siehe ¨ Ubung 9. Zeigen Sie, dass sich mit der alternativen Darstellung f˜(x) := 1/( x1 − 1) der Funktion f f¨ ur x = 0 der exakte Wertebereich [−2, −1.5] berechnen l¨ asst.

56

5 Zahldarstellung

Die Intervall-Arithmetik wird vor allem in Analyseprogrammen, wie z.B. dem Verifier der Firma Polyspace Technologies, oder in bestimmten Phasen eines Compilers eingesetzt, um den Wertebereich einer Variablen bestimmen ¨ zu k¨ onnen. Die Wertebereiche werden wiederum zur Detektion von Uberoder Unterl¨ aufen verwendet. Die Vorstellung der Intervall-Arithmetik soll damit beendet werden. Wir wenden uns der heute u ¨ bliche Approximation reeller Zahlen mit dem Gleitpunktformat zu. 5.5.3 Gleitpunktzahlen Die Entwicklung des Gleitpunktzahlenformats ist historisch gesehen die Antwort auf die Frage, welches Maschinenformat f¨ ur die Darstellung reellwertiger Zahlen notwendig ist um alle vier Grundrechenarten: Addition, Subtraktion, Multiplikation und Divisionen effizient durchf¨ uhren zu k¨onnen. Die Bin¨ ardarstellung (5.2) erlaubt, wie bereits in Abschn. 5.1 gezeigt, die effiziente Durchf¨ uhrung von Addition und Subtraktion. Es liegt daher die Idee nahe, die Multiplikation und Division mit Hilfe einer logarithmischen Zahlendarstellung auf die effiziente Addition und Subtraktion zur¨ uckzuf¨ uhren: Die Multiplikation a·b bzw. Division a/b der positiven reellen Zahlen a und b kann, ¨ahnlich wie bei einem Rechenschieber, siehe Abb. 5.8, auf Grund der mathematischen Formeln log(a · b) = log(a) + log(b) und log(a/b) = log(a) − log(b) auf die Addition log(a) + log(b) bzw. Differenz log(a) − log(b) der Logarithmen log(a) und log(b) zur¨ uckgef¨ uhrt werden. Multiplikationen und Divisionen lassen sich mit Hilfe der logarithmischen Zahlendarstellung bis auf die Konvertierung zwischen bin¨ arem und logarithmischem Format genauso schnell durchf¨ uhren wie Additionen und Subtraktionen.

Abb. 5.8. Die Multiplikation zweier Zahlen a · b wird mit einem Rechenschieber auf die Addition der entsprechenden Logarithmen log(a) + log(b) zur¨ uckgef¨ uhrt.

Die Berechnung eines Skalarprodukts w¨ urde allerdings mehrfache Konvertierungen zwischen der rein bin¨ aren und der rein logarithmischen Darstellung erzwingen und unn¨ otige Rechenzeit verschwenden. Im Jahr 1935 umging der Erfinder Konrad Zuse dieses Problem mit der Umwandlung, in dem er die halblogarithmische Zahlendarstellung, heute als Gleitpunktdarstellung

5.5 Darstellung reeller Zahlen

57

bekannt, einf¨ uhrte25 und stellte den ersten funktionierenden, frei programmierbaren Rechner der Welt her, siehe folgende Anmerkung 23 (Rechenmaschine Z3). Der gelernte Bauingenieur Konrad Zuse wollte ab 1936 die standardisierten und langwierigen Berechnungen der Statiker automatisch und zuverl¨ assig durchf¨ uhren k¨onnen. Er entwarf und realisierte dazu bis 1941 eine frei programmierbare und mit ausreichend viel Speicher f¨ ur Zwischenergebnisse vorgesehene Rechenmaschine mit den folgenden wesentlichen Neuerungen: 1. alle Zahlen wurden bin¨ ar dargestellt, 2. die effiziente Durchf¨ uhrung aller vier Grundrechenoperationen wurde durch das Gleitpunktzahlenformat erm¨ oglicht, so genannte Vierspeziesrechenmaschine, und 3. die bin¨ aren Schaltelemente wurden realisiert mit Blechstreifen, die mit Steuerstiften gekoppelt waren. Eine Simulation der Rechenmaschine Z3 findet sich in dem Internet-Archiv www.zib.de/zuse/. Die halblogarithmische Zahldarstellung26 zerlegt jede reelle Zahl r ∈ IR in drei Bestandteile: ein Vorzeichen (−1)v , mit v ∈ {0, 1}, eine Mantisse m ∈ IR und einen Exponenten e ∈ ZZ durch r = (−1)v · m · 2e .

(5.21)

Die Diskussion der effizienten Durchf¨ uhrung aller vier Grundrechenarten stellen wir noch etwas zur¨ uck und behandeln diese im Abschn. 6.1 u ¨ ber die Realisierung einer Maschinenoperation. Zun¨ achst wollen wir uns mit den Eigenschaften der Gleitpunktzahlen vertraut machen. Die Darstellung nach (5.21) legt die Werte von Mantisse und Exponent nicht eindeutig fest, wie gezeigt wird in Beispiel 9. Die Zahl 16 gen¨ ugt wegen · · · = 0.25 · 26 = 0.5 · 25 = 1 · 24 = 2 · 23 = 4 · 22 = · · · der Repr¨ asentation (5.21) mit v = 0, m = 2−i und e = i + 4 mit i ∈ ZZ. F¨ ur die Zahl 16 existieren abz¨ ahlbar unendlich viele Darstellungsm¨oglichkeiten (5.21). 25

26

Siehe das Patent: Verfahren zur selbst¨ atigen Durchf¨ uhrung von Rechnungen mit Hilfe von Rechenmaschinen, Patent Z 23 139/GMD Nr. 005/021/Jahr 1936, siehe auch www.zib.de/zuse/ oder www.zuse.org/. Im Jahr 1985 definierte die Organisation IEEE die Darstellung von bin¨ aren Gleitpunktzahlen f¨ ur Computer in dem Standard ANSI/IEEE Standard 754-1985 for Floating Point Numbers, siehe [60] und folgte ohne Referenz dem Patent von Konrad Zuse. Mantisse und Exponent leiten sich von lateinisch mantissa und exponere ab, was Zugabe und herausstellen bedeutet.

58

5 Zahldarstellung

Redundante, mehrfache Darstellungen derselben Zahl r sollten auch auf Grund des begrenzten Speicherplatzes nicht zugelassen werden und daher soll jede Zahl r eindeutig repr¨ asentiert werden. Dies garantiert eine optimale Ausnutzung des vorhandenen Speichers. Wir normieren deshalb die Darstellung (5.21): Der Exponent e wird so gew¨ ahlt, daß die Mantisse m genau eine von Null verschiedene Stelle vor dem Komma besitzt. Dies motiviert die Definition 13 (Normalisierte Gleitpunktzahlen). Die reelle Zahl r ∈ IR mit der Darstellung r =: (−1)v · m · 2e =: (−1)v ·

t−1 

ri · 2−i · 2e

mit

Δ

r0 = 1,

(5.22)

i=0

geh¨ort der Menge der normierten Gleitpunktzahlen IMN oder IMN,t an. Das Vorzeichen (−1)v wird durch das Vorzeichen-Bit v ∈ {0, 1}, der Wert der Mantisse m durch die Ziffern ri ∈ {0, 1}, i = 1, . . . , t − 1 und der Wert des Exponenten e ∈ ZZ durch eine ganze Zahl mit emin < e < emax festgelegt27 . Daran schließt sich die ¨ Ubung 10. Zeigen Sie: Der Wertebereich der Mantisse m liegt nach Definition 13 im halboffenen Intervall: 1 ≤ m < 2.

(5.23)

Anmerkung 24 (Alternative Normierung). Die Normierung kann alternativ auch so stattfinden, dass alle Vorkommastellen gleich Null sind und genau die erste Nachkommastelle den Wert Eins annehmen soll, d.h. m = 0.r1 . . . rt−1 mit r1 = 1. In diesem Fall verschieben sich die Mantissen-Bits um eine Position nach links in Relation zu (5.22) und der entsprechende Exponent e vergr¨ oßert sich um den Wert Eins. Der Wertebereich der Mantisse ist dann 1 ≤ m < 1. 2 Anmerkung 25 (Speicheranordnung einer Gleitpunktzahl). Eine Gleitpunktzahl wird als eine Zeichenkette von Bits abgespeichert: Zuerst das Vorzeichen v, dann der Exponent e und zuletzt die Mantisse m, kurz [v, e, m] = [v, e, r0 , . . . , rt−1 ]. Die Speicheranordnung der Bits [v, e, m] ist f¨ ur Gleitpunktzahlen gerade so gew¨ ahlt, dass ein Vergleich zweier Gleichtpunktzahlen effizient durchgef¨ uhrt werden kann, wie gezeigt wird in der 27

Die beiden F¨ alle e = emin und e = emax definieren spezielle erg¨ anzende Zahlenmengen, siehe dazu weiter unten die beiden Definitionen 14 und 15.

5.5 Darstellung reeller Zahlen

59

Anmerkung 26 (Vergleich von normierten Gleitpunktzahlen). Zwei Gleitpunktzahlen [v1 , e1 , m1 ] und [v2 , e2 , m2 ] unterscheiden sich entweder bereits im Vorzeichen v1 = v2 oder bei gleichem Vorzeichen v1 = v2 im Exponenten e1 = e2 der normierten Darstellung, oder wenn sowohl Vorzeichen als auch Exponent gleich sind, in der Mantisse m1 = m2 . Die Mantissen-Bits werden in der Reihenfolge der Speicheranordnung solange verglichen, bis sich ein ur i = 1, . . . , t − 1 unterscheidet. Anderenfalls sind Mantissen-Bit r1,i = r2,i f¨ die beiden Gleitpunktzahlen gleich. Der Vergleich zweier Gleitpunktzahlen reduziert sich somit auf den Bit-Vergleich ihrer Speicherrepr¨asentationen. F¨ ur die Umwandlung in das normierte Gleitpunktzahlenformat geben wir das Beispiel 10. Die Dezimalzahl 13.6 soll in das Format (5.22) umgewandelt werden. Das Vorzeichen ist positiv und somit v = 0. Die einzelnen Stellen erhalten wir z.B. durch folgende Zerlegung 13.6 = 8 + 5.6 = 8 + (4 + 1.6) = 8 + 4 + (1 + 0.6) = 8 + 4 + 1 + (0.5 + 0.1) = 8 + 4 + 1 + 0.5 + (0.0625 + 0.0375) = 8 + 4 + 1 + 0.5 + 0.0625 + (0.03125 + 0.00625) = ..., und die Darstellung im Zweiersystem (13.6)10 = (1101.10011 . . .)2 . Die normierte Gleitpunktdarstellung nach (5.22) ergibt sich, wenn der Exponent e so gew¨ ahlt wird, dass die erste nicht verschwindende Stelle direkt vor dem Komma sitzt 13.6 = (−1)0 · (1.10110011 . . .)2 · 23 . Der Exponent lautet daher e = 3. Jede reelle Zahl r = 0 ist prinzipiell nach Definition 13 als normalisierte Gleitpunktzahl darstellbar. Der begrenzte Speicher erzwingt allerdings ein endliches Speicherformat f¨ ur Gleitpunktzahlen, bei dem z.B. einheitlich sowohl die Anzahl t der Stellen der Mantisse als auch die Anzahl der Stellen f¨ ur den Exponent e festgelegt werden. Einfache und doppelte Genauigkeit verwenden nach dem IEEE-Standard 754 for Binary Floating-Point Arithmetic28 f¨ ur die Mantisse m 23 bzw. 52 28

Der IEEE-Standard 754-1985 hat drei wichtige Anforderungen: Das Gleitpunktzahlenformat ist unabh¨ angig von der Rechnerarchitektur, die Ergebnisse der Gleitpunktzahlenarithmetik werden korrekt gerundet und Ausnahmen, wie z.B. die Division durch Null, werden konsistent betrachtet.

60

5 Zahldarstellung

und f¨ ur den Exponenten e 8 bzw. 11 Bits. Das ergibt zusammen mit dem Vorzeichenbit f¨ ur einfache Genauigkeit insgesamt 32 und f¨ ur doppelte Genauigkeit 64 Bits. Das entspricht 4 bzw. 8 Bytes. Die Zahl r = 0 kann im Format (5.22) nur mit ri = 0 f¨ ur i = 0, . . . , t − 1 dargestellt werden. Das steht im Widerspruch zur normalisierten Darstellung mit r0 = 1. Die Zahl Null erfordert daher ein gesondertes Format, das wir vorstellen in der Definition 14 (Subnormale Gleitpunktzahlen (e = emin )). Die reelle Zahl r ∈ IR mit der Darstellung r =: (−1)v · m · 2e =: (−1)v ·

t−1 

ri · 2−i · 2emin

mit

Δ

r0 = 0,

(5.24)

i=0

geh¨ort zur Menge der nicht-normierten oder subnormalen Gleitpunktzahlen IMS oder IMS,t an. Es gilt analog zu Definition 13: Das Vorzeichen (−1)v wird durch das Vorzeichen-Bit v ∈ {0, 1}, der Wert der Mantisse m durch die Ziffern ri ∈ {0, 1}, i = 1, . . . , t − 1 und der Wert des Exponenten e ∈ ZZ durch eine ganze Zahl festgelegt. Anmerkung 27 (Null). Die Zahl Null ist eine spezielle subnormale Zahl und wird einheitlich - allerdings nicht eindeutig - durch 0 = (−1)v · 0 · 2emin

(5.25)

repr¨ asentiert, d.h. ri = 0 mit i = 0, . . . , t − 1 und e = emin . Die Zahlen mit der Speicheranordnung [v, emax , m], die also den gr¨oßten ur die Darstellung von SonderExponent e = emax in 5.24 verwenden, sind f¨ werten reserviert, die wir festlegen in der Definition 15 (Sonderwerte Unendlich ∞ und Not-a-Number NaN (e = emax )). Die Belegung der Mantissen-Bits ri = 0 mit i = 0, . . . , t − 1 und der Exponent e = emax identifizieren die Werte (−1)v ∞. Alle restlichen Kombinationen, bei denen mindestens ein Bit ri mit i = 0, . . . , t − 1 ur Sonderwerte vorgesehen: Notnicht verschwindet und e = emax ist, sind f¨ a-Number-Werte, abgek¨ urzt mit NaN. Das Rechnen mit den Sonderwerten ∞ und NaN wird gezeigt in der ¨ Anmerkung 28 (Rechnen mit den Sonderwerten ∞ und NaN). Ein Uberlauf des Bereichs der normalisierten Gleitpunktzahlen f¨ uhrt zu dem Ergebnis ∞. Das Ergebnis einer Rechenoperationen mit einer positiven, normalisierten Gleitpunktzahlen r > 0 ergibt f¨ ur Δ

Δ

Δ

– Rechnen mit 0 z.B. die Ergebnisse 0 + r = r, 0 · r = 0, r/0 = ∞ und Δ 0/0 = NaN,

5.5 Darstellung reeller Zahlen Δ

61

Δ

Δ

– Rechnen mit ±∞ z.B. die Ergebnisse ∞ + 0 = ∞, ∞ · r = ∞, r/∞ = 0, Δ Δ Δ ∞ · 0 = NaN, ∞ ± ∞ = NaN oder ∞/∞ = NaN, Δ

Δ

– Reste der ganzzahligen Division bei r ÷ 0 = NaN und ∞ ÷ r = NaN sowie – alle arithmetische Operationen mit mindestens einem Argument NaN wie √ Δ Δ z.B. NaN = NaN und sin(NaN) = NaN. Wir veranschaulichen die Mengen IMN und IMS in dem Beispiel 11. Die Mengen der normalisierten und subnormalen Gleitpunktzahlen IMN,t und IMS,t mit der Stellenanzahl t = 3 und dem zul¨assigen Exuhrt. Die ponenten emin := −2 ≤ e < 2 =: emax sind in Tabelle 5.4 aufgef¨ Normalisierung wird f¨ ur den Exponenten e = emin = −2 aufgehoben und die erste Stelle vor dem Komma durch eine Null ersetzt, siehe dritte Spalte.

Tabelle 5.4. Die Mengen der normalisierten und subnormalen Gleitpunktzahlen IMN,3 und IMS,3 mit emax := 2 > e ≥ −2 =: emin . Mantisse m = (1.00)2 m = (1.01)2 m = (1.10)2 m = (1.11)2

e=1 2 2.5 3 3.5

e=0 1 1.25 1.5 1.75

e = −1 0.5 0.625 0.75 0.875

e − 2 (subnormal) m = (0.00)2 → 0 m = (0.01)2 → 0.125 m = (0.10)2 → 0.25 m = (0.11)2 → 0.375

Die Gleitpunktzahlen sind wegen der halblogarithmischen Zahlendarstellung nicht, wie z.B. die Integer-Zahlen, ¨ aquidistant verteilt. Die Abb. 5.9 zeigt dies exemplarisch f¨ ur die in Beispiel 11 definierten Zahlenmengen.

0

0.5

1

1.5

2

2.5

3

3.5

Abb. 5.9. Die Mengen der normalisierten und subnormalen Gleitpunktzahlen IMN,3 und IMS,3 mit emax := 2 > e ≥ −2 =: emin . Die normalisierten Gleitpunktzahlen sind mit Kreis , Stern  und Quadrat  markiert und entsprechen in der Tabelle 5.4 den Zahlen der zweiten, dritten und vierten Spalte. Die Zahlen, die mit einem Plus + markiert sind, entsprechen den subnormalen Gleitpunktzahlen in der letzten Spalte der Tabelle.

Die Menge IM der Gleitpunktzahlen ist die Vereinigung der beschriebenen Zahlenmengen in den drei Definitionen 13, 14 und 15. Alle Zahlen der Menge IM werden durch die Bit-Folge [v, e, m] im Speicher dargestellt: Ein Bit f¨ ur das Vorzeichen v, t Bits f¨ ur die Mantisse m und s

62

5 Zahldarstellung

Bits f¨ ur den Exponenten e. Die beiden Werte f¨ ur den Exponenten emin und emax sind f¨ ur die Darstellung der subnormalen Gleitpunktzahlen und der Sonderwerte reserviert. Anmerkung 29 (Wert und Codierung des Exponenten). Der ganzzahlige Exponent e wird nicht als Bin¨ arzahl im Format (5.2), sondern als Integer-Zahl ahnlich dem Format (5.12) abgespeichert: Der IEEE-Standard754 interpre¨ tiert bei einfacher Genauigkeit29 das 8-Bit-Muster [0000, 0000] als minimalen Exponentenwert emin = −127 und das 8-Bit-Muster [1111, 1111] als maximalen Exponentenwert emax = 128. Der Exponentenwert e ergibt sich f¨ ur die normalisierte Gleitpunktzahlen, d.h. −127 < e < 128, aus dem Bitmuster arzahl mit der Umrechnungsformel [e7 , . . . , e0 ] einer entsprechenden Bin¨ e=

7 

ei · 2i − 127.

i=0

In der Tabelle 5.5 sind die wichtigsten Eigenschaften der Gleitpunktzahlen f¨ ur einfache und doppelte Genauigkeit zusammengefasst. Die Menge der GleitTabelle 5.5. Eigenschaften der Zahlenformate nach IEEE-Standard 754. Format Vorzeichen-Bit Mantissen-Bits Exponenten-Bits emin emax kleinste pos. Zahl (sub.) kleinste pos. Zahl (nor.) gr¨ oßte pos. Zahl (nor.)

einfach 1 23 8 −126 127 2−149 ≈ 1.4 10−45 2−126 ≈ 1.2 10−38 2128 − 1 ≈ 3.4 1038

doppelt 1 52 11 −1022 1023 2−1075 ≈ 2.4 10−134 2−1022 ≈ 2.2 10−308 21024 − 1 ≈ 1.8 10308

punktzahlen enth¨ alt nicht alle ganzen Zahlen des abgedeckten Bereichs. L¨osen Sie dazu die ¨ Ubung 11. Geben Sie die kleinste, positive nat¨ urliche Zahl in Abh¨angigkeit von t und emin an, die nicht zur Menge der normierten Gleitpunktzahlen aus IM geh¨ ort. 5.5.4 Rundung von Gleitpunktzahlen Das Runden ist f¨ ur das Rechnen mit Gleitpunktzahlen IM von zentraler Bedeutung. Wir fordern von einer effizienten Rundung, dass der unvermeidbare Rundungsfehler sowohl kontrollierbar als auch so klein wie m¨oglich ist. 29

Die entsprechenden Grenzen lauten ur doppelte Genauigkeit: emin := −1023 P f¨ i und emax := 1024 und somit e = 10 i=0 ei · 2 − 1023.

5.5 Darstellung reeller Zahlen

63

Der Entwurf von Algorithmen kann Rundungsfehler ausschließen, wenn die vorhandenen Datentypen auf die Aufgabenstellung angepasst werden. So bietet es sich z.B. an, bei der Implementierung einer ganzzahligen Berechnungsmethode auch den Datentyp integer zu verwenden um Rundungsfehler zu vermeiden, die sich u.U. in den L¨ osungsweg einschleppen k¨onnen. Auch beim Arbeiten mit Gleitpunktzahlen kann es sinnvoll sein, die bin¨are Darstellung zu beachten. Wir machen die Anmerkung 30 (Rundungsfehler). Eine US-amerikanische Patriot-Rakete verfehlte w¨ ahrend des ersten Golfkriegs am 25. Februar 1991 in Saudi-Arabien eine angreifende irakische Scud-Rakete, die in eine Kaserne einschlug. Es waren 28 Menschenleben zu beklagen. Ursache war ein Rundungsfehler in Zusammenhang mit der Berechnung der Zeitdifferenz, die seit dem Start des Systems vergangen war. Die interne Uhr speicherte die verstrichene Zeit in Zehntelsekunden. Der Umrechnungsfaktor zwischen der gemessenen Zeit in Zehntelsekunden und Sekunden wurde mit 24 Bit abgespeichert und betrug (0.000 1100 1100 1100 1100 1100)2. Die Zahl 1/10 ist in der Bin¨ ardarstellung allerdings eine unendliche Ziffernfolge ∞  1 = 2−4i + 2−4i−1 = (0.0001100)2 , 10 i=1 die nicht nach 24 Stellen abbricht. Dies f¨ uhrt zu dem Rundungsfehler ∞  i=6

2−4i + 2−4i−1 =

45 ≈ 8.38 · 10−8 . 229

Das Patriot-System sollte deshalb laut Bedienungsanleitung in regelm¨aßigen Abst¨ anden neu gestartet werden, da sich dieser Rundungsfehler z.B. nach 100 Betriebsstunden akkumuliert zu der Zeitdifferenz 100 · 60 · 60 · 10 · 8.38 · 10−8 Zehntelsekunden = 0.302 Sekunden. Die Scud-Rakete flog mit einer Geschwindigkeit von ca. 1.676 km/s und war in 0.302 Sekunden ca. 500 m weiter als angenommen und damit außerhalb der Reichweite des Aufsp¨ ursystems“ der Patriot-Rakete. ” Das Vorzeichen (−1)v wird durch v = 0 oder v = 1 exakt dargestellt. Der Exponent e einer Gleitpunktzahl ist eine ganze Zahl mit emin ≤ e < emax . Wenn der Exponent in diesen Bereich liegt, sind keine Rundungsfehler zu beachten. Im anderen Fall ist der Exponent der Zahl betragsm¨aßig entweder zu groß (e ≥ emax ) oder zu klein (e < emin ), um korrekt dargestellt werden zu k¨ onnen. Im ersten Fall terminieren Programme i.Allg. mit der Meldung eines ¨ Uberlauffehlers. Im zweiten Fall wird der zu kleine Wert kommentarlos durch

64

5 Zahldarstellung

Null ersetzt, obwohl ein so genannter Unterlauf erzeugt wurde. So wird z.B. die Zahl 1.1 · 2−1968 sowohl f¨ ur einfache als auch f¨ ur doppelte Genauigkeit auf die Zahl Null abgerundet, siehe Tabelle 5.5. Insbesondere halten wir fest, dass ein erzeugter Unterlauf in der Regel unproblematisch ist. Diese Vorbemerkungen reduzieren die Untersuchung der Eigenschaften einer Rundung der Mantisse m. Wir stellen eine spezielle Rundungsart vor in der Definition 16 (Standardrundung). Die Mantisse m einer normierten Gleitpunktzahl m = 1.r1 r2 r3 . . . rt−1 |rt . . . wird in Abh¨angigkeit des letzten Mantissen-Bits rt−1 und der ersten nicht mehr gespeicherten Stelle rt entsprechend der folgenden Fallunterscheidung gerundet: 1. Im Fall rt = 0 wird abgerundet: rd(m) = 1.r1 r2 · · · rt−1 . 2. Im Fall rt = 1 werden zwei weitere M¨oglichkeiten unterschieden: a) Wenn die zu runden Zahl m = 1.r1 r2 . . . rt−1 |1000 . . . genau zwischen zwei normierten Gleitpunktzahlen liegt, wird f¨ ur rt−1 = 0 abgerundet: rd(m) = 1.r1 r2 · · · rt−2 0 und f¨ ur rt−1 = 1 aufgerundet rd(m) = 1.r1 r2 · · · rt−2 1 + 21−t . b) In allen anderen F¨allen mit rt = 1 wird aufgerundet: rd(m) = 1.r1 r2 · · · rt−1 + 21−t . ur eine reelle Zahl r durch Der Rundungsfehler frd kann nach Definition 16 f¨ atzt werden: die obere Schranke 2e−t+1 /2 abgesch¨ |frd (r)| := |r − rd(r)| ≤ 2e−t .

(5.26)

Die in Definition 16 vorgestellte Rundung ist eine von vier M¨oglichkeiten, die der IEEE-Standard 754 vorsieht. Die drei weiteren Rundungsarten stellen wir vor in der Anmerkung 31 (Alternative Rundungsarten). Die drei Rundungsarten Abrunden (floor), Aufrunden (ceil) oder Runden zur Null (round to zero) sind einfacher zu implementieren und daher i.Allg. schneller ausf¨ uhrbar. Der Rundungsfehler |frd (r)| := |r − rd(r)| ≤ 21+e−t ist allerdings um den Faktor 2 gr¨ oßer als in der Absch¨atzung (5.26).

5.5 Darstellung reeller Zahlen

65

Durch Rundung kann auch bei kleinsten Fehlern leicht wichtige Information verlorengehen, wie aufgetreten in Beispiel 12. Die Partei der Gr¨ unen erhielt im Jahr 1992 bei den Landtagswahlen in Schleswig-Holstein 4.97% der Stimmen und hatte somit knapp den Sprung u urde verpasst. Die Darstellung der Ergebnisse ba¨ber die 5.0%-H¨ sierte auf einem Programm, das jedes Zwischenergebnis automatisch auf eine Stelle nach dem Komma rundete und gestand dadurch den Gr¨ unen 5.0% und damit den Einzug in den Landtag zu. Der Fehler wurde erst nach Mitternacht, nachdem die offiziellen Ergebnisse bereits ver¨offentlicht waren, entdeckt. ¨ Ubung 12. Zeigen Sie, dass die Abbildungen rd, die in Definition 16 explizit und in Anmerkung 31 nur angedeutet beschrieben sind, auch eine Rundung im Sinne der Definition 2 sind. Das Ergebnis einer Rundung h¨ angt nicht nur von der zu rundenden Zahl und der Rundungsart ab, sondern auch von der Anzahl Mantissen-Bits t, wie das Beispiel 10 in der Tabelle 5.6 zeigt. Die Anzahl t der Mantissen-Bits ist Tabelle 5.6. Die Zahl r = 13.6 aus Beispiel 10 und ihre Repr¨ asentation in Abh¨ angigkeit der Anzahl der Mantissen-Bits t. t 2 3 4 5 6 7

Repr¨ asentation Rundung Fehler δr (1.1)2 · 23 ab (1.6)10 (1.11)2 · 23 auf (0.4)10 (1.110)2 · 23 auf (0.4)10 (1.1011)2 · 23 ab (0.1)10 (1.10110)2 · 23 ab (0.1)10 (1.101101)2 · 23 auf (0.025)10

von entscheidender Bedeutung, wie wir zeigen in Beispiel 13 (Ariane-5-Rakete). Am 4. Juni 1996 startete eine Ariane-5-Rakete der ESA30 zu ihrem Jungfernflug von Franz¨osisch Guyana aus. Die unbemannte Rakete hatte vier Satelliten an Bord. 36.7 Sekunden nach dem Start wurde in einem Programm versucht, den gemessenen Wert der horizontalen Geschwindigkeit von 64 Bit Gleitpunktdarstellung in 16 Bit signed Integer umzuwandeln. Die entsprechende Maßzahl war gr¨ oßer als 215 = 32 768 und erzeugte ¨ bei der Konvertierung einen Uberlauf. Das Lenksystem versagte daraufhin seine Arbeit und gab die Kontrolle an eine unabh¨angiges zweites, identisches ¨ System ab. Dieses System produzierte folgerichtig ebenfalls einen Uberlauf. 30

European Space Agency, www.esa.int/

66

5 Zahldarstellung

Der Flug der Rakete wurde instabil und die Triebwerke drohten abzubrechen: die Rakete zerst¨ orte sich selbst. Es entstand ein Schaden von ca. 500 Millionen Dollar durch den Verlust der Rakete und der Satelliten. Die Software des Tr¨ agheitsnavigationssystems stammte von der Vorg¨angerrakete Ariane-4 und wurde ohne zu testen in die Ariane-5 u ¨ bernommen, da die Ariane-4 vergleichsweise wenig Probleme bereitete. Die Ariane-5 war leistungsf¨ ahiger und flog daher schneller. Die Anpassung der Variablentypen der internen Darstellung der Geschwindigkeit wurde offensichtlich bei ¨ der Ubergabe der Software nicht beachtet: Als die Software f¨ ur die Ariane-4 programmiert wurde, musste man nicht von so großen Geschwindigkeiten ausgehen und hat daher die Umwandlung der Zahldarstellung z.B. nicht durch eine Abfrage abgesichert, wie der wiederverwendete ADA-Code-Ausschnitt der Ariane-4 zeigt: begin sensor_get(vertical_veloc_sensor); sensor_get(horizontal_veloc_sensor); vertical_veloc_bias := integer(vertical_veloc_sensor); horizontal_veloc_bias := integer(horizontal_veloc_sensor); ... exception when numeric_error => calculate_vertical_veloc(); when others => use_irs1(); end; Die fehlerhafte Konvertierung integer trat in der vierten Zeile auf. Eine internationale Expertenkommission, siehe [2], untersuchte das Ungl¨ uck und legte einen Untersuchungsbericht und Verbesserungsvorschl¨age vor; f¨ ur zuk¨ unftige Entwicklungen wurde u.a. die Rolle des Software-Architekten eingef¨ uhrt, siehe auch [75]. Der absolute Rundungsfehler frd ist zur Beurteilung eines Fehlers nicht aussagekr¨ afig genug. So ist der absolute Fehler 1/2 f¨ ur die Zahl 3 im Verh¨altnis wesentlich gr¨ oßer als f¨ ur die Zahl 123 456.7. Es ist daher sinnvoller, den absoluten Rundungsfehler frd (r) auf die zu rundende Zahl r zu beziehen. Dies motiviert die Definition 17 (Relativer und absoluter Rundungsfehler). Die Differenz δr ∈ IR frd (r) := δr := r − rd(r) (5.27) bezeichnet den absoluten Rundungsfehler und wurde bereits in (4.1) und (5.26) eingef¨ uhrt. Der Quotient frel (r) ∈ IR frel (r) := εr :=

δr r − rd(r) frd (r) = = r r r

heißt relativer Rundungsfehler.

f¨ ur

r = 0

(5.28)

5.5 Darstellung reeller Zahlen

67

Der quantitative Zusammenhang zwischen einer beliebigen reellen Zahl r und ihrer Repr¨ asentation als Maschinenzahl rd(r) kann daher beschrieben werden durch rd(r) = r · (1 − frel (r)) . (5.29) Wir wollen den relativen Rundungsfehler frel (r) einer normierten Gleitpunktzahl mit der definierenden Gleichung (5.28) nach oben absch¨atzen. Der Z¨ ahler ist wegen (5.26) mit 2e−t nach oben beschr¨ankt. Die Mantisse m liegt wegen der Normierungsbedingung aus Definition 13 in dem Intervall 1 ≤ m < 2 und somit ist die zu rundende Zahl r nach unten durch 2e beschr¨ ankt. Daraus folgt |frel (r)| ≤

2e−t = 2−t . 1 · 2e

(5.30)

Der maximale relative Rundungsfehler h¨ angt nur von der Stellenanzahl der Mantisse t ab. Diese wichtige numerische Gr¨oße bekommt einen Namen in der Definition 18. Die obere Schranke f¨ ur den maximalen relativen Rundungsfehler, der bei der Rundung einer Zahl r ∈ IR in eine Maschinenzahl rd(r) ∈ IM mit t-stelliger Mantisse auftreten kann, heißt Maschinengenauigkeit ε und ergibt sich nach (5.30) zu ε := 2−t .

(5.31)

Wir machen die Anmerkung 32. Die Maschinengenauigkeit ε kann auch durch die Eigenschaft gr¨oßte Maschinenzahl δ > 0 mit 1.0 +IM δ = 1.0 charakterisiert werden. Die Eigenschaft aus Anmerkung 32 verwenden wir zur L¨osung der n¨achsten ¨ Ubung 13. Bestimmen Sie die Maschinengenauigkeit Ihres Rechners. Schreiben Sie dazu ein Programm, das die Maschinengenauigkeit ε bestimmt. Hinweis: Bilden Sie Summen der Art 1+2−i mit i ≥ 0 und sehen Sie sich die Ergebnisse an. Die Maschinengenauigkeit stellt die Verbindung zwischen der Rechengenauigkeit und der Anzahl der f¨ ur die Mantisse verwendeten Bits her: Die Genauigkeit der normierten Gleitpunktdarstellung verdoppelt sich mit jedem Bit. Der Zahlenbereich zur Repr¨ asentation des Exponenten e ist f¨ ur die Rechengenauigkeit normalerweise nicht relevant. In diesem Sinn sind Genauigkeit und Darstellungsbereich miteinander vertauschbar: h¨ ohere Genauigkeit geht bei gleicher Anzahl von Bits auf Kosten des Darstellungsbereichs und umgekehrt.

6 Gleitpunktarithmetik und Fehlerfortpflanzung

”

Abyssus abyssum invocat: ein Fehler zieht den anderen nach sich.“ Lateinische Redewendung

6.1 Realisierung einer Maschinenoperation In diesem Abschnitt besch¨ aftigen wir uns mit den vier Grundrechenoperationen f¨ ur Gleitpunktzahlen. Die arithmetischen Operationen laufen alle nach demselben Schema ab: Die Verkn¨ upfung der beiden Maschinenzahlen r und s wird mit h¨ oherer Genauigkeit realisiert und das Ergebnis r ◦ s anschließend auf eine Maschinenzahl gerundet. Ein Rechenfehler entsteht, bei hinreichend hoher interner Genauigkeit1 erst im zweiten Schritt, wenn das quasi exakte Ergebnis wird auf eine Maschinenzahl gerundet wird. Wir wollen dieses Vorgehen im Fall der Addition zweier Maschinenzahlen r und s in Zahlendarstellung mit t-stelliger Mantisse genauer analysieren und geben ein Modell eines Additionsalgorithmus an: 1. Die Darstellungen der beiden Zahlen r und s nach Definition 13 werden zun¨ achst so aneinander angepasst, dass beide den selben Exponenten haben. 2. Die resultierenden Mantissen werden in h¨oherer Genauigkeit addiert. 3. Das Ergebnis wird normalisiert, d.h. solange verschoben, bis es nur eine f¨ uhrende Eins vor dem Komma gibt. 4. Die resultierende Mantisse wird nach Definition 13 auf eine Maschinenzahl gerundet. In diesem letzten Schritt wird ein Rundungsfehler in das Ergebnis eingeschleppt. Wir veranschaulichen dieses Vorgehen an dem Beispiel 14. Die beiden Maschinenzahlen r = 7/4 = (1.11)2 · 20 und s = 3/8 = (1.10)2 · 2−2 sollen addiert werden. Die Summe r + s = 17/8 wird mit drei-stelliger Mantisse berechnet: 1

Die Addition und Subtraktion kommen mit einer zus¨ atzlichen Stelle, dem so genannten guard digit, in der Mantisse der kleineren“ Zahl aus. Die Multipli” kation und Division setzt die doppelte Anzahl der zur Darstellung verwendeten Mantissenstellen voraus.

70

6 Gleitpunktarithmetik und Fehlerfortpflanzung

(1.11)2 · 20 +IM (1.10)2 · 2−2 = (111)2 · 2−2 + (1.10)2 · 2−2 1.

= (1000.10)2 · 2−2 2.

3.

= (1.00010)2 · 21 4.

→ (1.00)2 · 21 . Das Ergebnis der n¨ aherungsweisen Addition r +IM s = 2 ist genau mit dem absoluten Rundungsfehler ε+ = |17/8 − 2| = 1/8 aus Schritt 4 behaftet und  1/8  entspricht dem relativen Fehler  17/8  = 0.0588 . . . ≈ 6%. Das Ergebnis ist relativ gut, auch wenn ein relativer Fehler von 6% recht groß erscheint: eine h¨ ohere Genauigkeit als die Maschinengenauigkeit ε = 2−3 = 12.5% f¨ ur eine drei-stellige Mantisse kann man beim Runden nach (5.30) nicht erwarten. Der absolute Rundungsfehler ε+ ∈ IR, der im vierten Schritt einer Gleitpunktaddition r + s zweier Maschinenzahlen r, s ∈ IM eingeschleppt wird r +IM s = rd(r + s) = (r + s) (1 + ε+ ) ,

(6.1)

kann nach (5.29) und (5.30) durch die Maschinengenauigkeit ε nach oben abgesch¨ atzt |ε+ | = |frel | ≤ ε (6.2) werden. Diese Analyse gilt unabh¨ angig von der betrachteten Operation und es gilt ganz allgemein: Anmerkung 33 (Realisierung einer Gleitpunktoperation). Jede Gleitpunktoperation ◦ ∈ {+, −, ∗, /} f¨ ur zwei Maschinenzahlen r, s ∈ IM liefert als Ergebnis r ◦ IM s = rd(r ◦ s) = (r ◦ s) (1 + ε◦ ) . Der relative Fehler ist deshalb stets beschr¨ ankt durch |ε◦ | ≤ ε. Die Absch¨ atzung des Rundungsfehlers mit der Maschinengenauigkeit ε in Anmerkung 33 ist von zentraler Bedeutung und erm¨oglicht nicht nur die Rundungsfehleranalyse einer einzelnen Rechenoperation, sondern auch die Analyse der Fehlerfortpflanzung durch eine Folge von Rechenoperationen.

6.2 Rundungsfehleranalyse Die wichtigsten Fehlerquellen wurden in den Abschn. 4 und 5 beschrieben; sowohl Fehler in den Eingabedaten als auch Rundungsfehler bei Zwischenergebnissen k¨ onnen sich bei jeder elementaren Rechenoperation verst¨arken und zu v¨ ollig falschen Endergebnissen f¨ uhren. In diesem Abschnitt stellen wir die Werkzeuge bereit, mit denen wir Folgen von Rechenoperationen analysieren

6.2 Rundungsfehleranalyse

71

k¨ onnen um m¨ oglichst robuste und fehlertolerante Algorithmen entwerfen zu k¨ onnen. Ein numerisches Berechnungsverfahren, bei dem die Fehler im Endergebnis relativ wesentlich gr¨ oßer als die Fehler in den Eingabedaten sein k¨onnen, ist unzuverl¨ assig und in der Regel unbrauchbar. Im ung¨ unstigsten Fall hat das berechnete Endergebnis u ¨ berhaupt nichts mehr mit der gesuchten L¨osung zu tun. Eine zus¨ atzliche Anforderung an numerische Aufgabenstellungen ist daher, Berechnungsmethoden zu entwickeln, die garantieren k¨onnen, dass f¨ ur bestimmte Eingabedaten verl¨ assliche Endergebnisse produziert werden. Wir erarbeiten die typische Vorgehensweise anhand eines einfachen Beispiels, der Addition dreier Zahlen. Der Grundstein f¨ ur eine solche Rundungsfehleranalyse ist bereits im letzten Abschnitt bei der Untersuchung der Addition zweier Zahlen in (6.1) gelegt worden. Darauf aufbauend wenden wir uns dem n¨achstkomplizierteren Fall zu im Beispiel 15. Rechenoperationen Wir wollen die Summe y = a + b + c dreier Maschinenzahlen a, b und c berechnen. Wir zerlegen die Gesamtrechnung in zwei Teilschritte, die der Reihe nach im Rechner ausgef¨ uhrt werden 1. : e = a +IM b und

2. : y˜ = e +IM c.

(6.3)

Die Addition dreier Zahlen kann somit auf die bereits analysierte Additionen zweier Zahlen zur¨ uckgef¨ uhrt werden. Es gilt y˜

(6.3), 2.

=

(6.1)

=

(6.3), 1.

=

(6.1)

= =

e +IM c (e + c)(1 + ε2 ) ((a +IM b) + c)(1 + ε2 ) ((a + b)(1 + ε1 ) + c)(1 + ε2 ) a + b + c + (a + b)ε1 + (a + b + c)ε2 + (a + b)ε1 ε2 ,

mit |ε1 |, |ε2 | ≤ ε. Die quadratische Terme εi εj mit i, j ∈ {1, 2} sind kleiner als ε2 sind und werden wegen ε2  ε  1 im Zwischenergebnis nicht gespeichert und k¨ onnen daher f¨ ur die Rundungsfehleranalyse vernachl¨assigt werden. In erster N¨ aherung ergibt sich . (6.4) y˜ = a + b + c + (a + b)ε1 + (a + b + c)ε2 . Der Punkt u ¨ ber dem Gleichzeichen deutet an, dass Terme h¨oherer Ordnung vernachl¨ assigt wurden. Die Rechenfehler der beiden Additionen ε1 und ε2 werden nach Gleichung (6.4) mit den Faktoren a+b und a+b+c verst¨arkt. Um die Wirkung dieser Gewichte zu verstehen, berechnen wir f¨ ur das Endresultat y˜ den relativen Fehler und sortieren nach den auftretenden Epsilons

72

6 Gleitpunktarithmetik und Fehlerfortpflanzung

y − y˜ y . a + b + c − (a + b + c + (a + b)ε1 + (a + b + c)ε2 ) = a+b+c a+b ε1 − ε2 = − a+b+c

frel (y) :=

und erhalten die Absch¨ atzung        a+b   a+b  ε.    ε1 + ε2  ≤ 1 +  |frel (y)| ≤  a+b+c a + b + c

(6.5)

Gleichung (6.5) beschreibt den quantitativen Zusammenhang zwischen dem relativen Fehler frel (y) des Resultats y, der speziellen Berechnungsmethode nach (6.3), den Eingangsdaten a, b und c und der Maschinengenauigkeit ε. Der relative Fehler frel (y) ist i.Allg. in der Gr¨oßenordnung der Maschinengenauigkeit ε und kann sich enorm verst¨arken, wenn der Wert der Summe a + b + c ungef¨ ahr Null ist: in diesem Fall verst¨arkt sich der bei der Berechnung von a+b entstandene Fehler ε1 durch den Faktor (a+b)/(a+b+c) im relativen Fehler frel (y) und f¨ uhrt zu einem stark verf¨alschten Ergebnis. Bevor wir das an einem numerischen Beispiel nachvollziehen, weisen wir darauf hin, dass die spezielle Berechnungsmethode tats¨achlich einen Einfluss auf die Art der Fehlerverst¨ arkung besitzt. Die Addition der reellen Zahlen R ist assoziativ und daher kann die in (6.3) vorgeschlagene Reihenfolge getauscht werden, ohne das Ergebnis in exakter Arithmetik zu a ¨ndern: 1. : e = b +IM c

und 2. : yˆ = a +IM e

(6.6)

¨ Ubung 14. Zeigen Sie: Die Addition nach (6.6) f¨ uhrt zu dem relativen Fehler       b+c   y − yˆ     ε.  ≤ 1+ |frel (y)| :=  y  a + b + c Vergleichen Sie das Ergebnis mit der Absch¨ atzung (6.5) und erkl¨aren Sie die Ursache des Unterschieds! Die Reihenfolge der Additionen k¨ onnen sich bei einer konkreten numerischen Addition auswirken, wie gezeigt wird im Beispiel 16. Die drei Maschinenzahlen a := (1.11)2 · 2−1 , b := −(1.10)2 · 2−1 und c := (1.10)2 · 2−3 mit drei-stelliger Mantisse sollen nach (6.3) und (6.6) addiert werden. Im ersten Fall ergibt sich das exakte Ergebnis:

 y˜ = (1.11)2 · 2−1 +IM (−(1.10)2 · 2−1 ) +IM (1.10)2 · 2−3 = (1.00)2 · 2−3 +IM (1.10)2 · 2−3 = (1.01)2 · 2−2 .

6.2 Rundungsfehleranalyse

73

Die erste Zwischensumme a + b ist exakt berechnet und daher kann der Rechenfehler ε1 = 0 nicht verst¨ arkt werden. Im zweiten Fall verh¨ alt sich das ganz anders:

 yˆ = (1.11)2 · 2−1 +IM (−(1.10)2 · 2−1 ) +IM (1.10)2 · 2−3 = (1.11)2 · 2−1 +IM (−(1.00)2 · 2−1 ) = (1.10)2 · 2−2 mit dem relativem Fehler    (1.01)2 · 2−2 − (1.10)2 · 2−2   = 20%,    (1.01)2 · 2−2 da die Zwischensumme b + c bereits mit dem absoluten Fehler 1/8 behaftet ist, der im Endergebnis durch den Faktor (b + c)/(a + b + c) = −1.8 verst¨arkt wird. Das Beispiel 16 zeigt, dass die Rechneraddition +IM nicht assoziativ ist: die Reihenfolge der Rechenoperationen kann zu unterschiedlichen Endergebnissen f¨ uhren. Die Rechneraddition +IM ist auch nicht kommutativ, da das Endergebnis zus¨atzlich von der Reihenfolge der Summanden abh¨angt2 , wie gezeigt wird in 2

Der Einfluss der Reihenfolge der Summanden auf das Ergebnis ist keine neue mathematische Erkenntnis und ist bekannt aus der Theorie der unendlichen Reihen mit exakter Arithmetik: Das Kommutativgesetz gilt nicht mehr allgemein f¨ ur unendliche Reihen, siehe [71]. Die konvergente unendliche Reihe s=

∞ X 1 1 1 1 1 1 (−1)n−1 = 1 − + − + − + · · · = ln 2 n 2 3 4 5 6 7 n=1

(6.7)

mit dem Wert s = ln 2 kann umgeordnet werden in die ebenfalls konvergente unendliche Reihe « ∞ „ X 1 1 1 1 1 1 1 3 1 s˜ = + − = 1 + − + + − · · · = ln 2. 4k − 3 4k − 1 4k 3 2 5 7 6 2 k=1 mit dem Wert s˜ = 3/2 ln 2 = 3/2 s = s. Es kann sogar gezeigt werden, dass die unendliche Reihe (6.7) durch passende Umordnungen in ebenfalls konvergente unendliche Reihen umgewandelt werden kann, die gegen jede beliebige reelle Zahl sˆ ∈ IR konvergieren! Auch das Assoziativgesetz gilt nicht mehr uneingeschr¨ ankt f¨ ur unendliche Reihen, wie das folgende einfache Beispiel zeigt: Die unendliche Reihe ∞ X (1 − 1) = (1 − 1) + (1 − 1) + · · · = 0 + 0 + · · · = 0 n=0

konvergiert gegen den Wert 0. Die unendliche Reihe ohne Klammerung ∞ X

(−1)k = 1 − 1 + 1 − 1 + · · ·

k=0

74

6 Gleitpunktarithmetik und Fehlerfortpflanzung

Beispiel 17. Die Reihenfolge der Summanden hat wegen der Ausl¨oschung einen entscheidenden Einfluss auf das Ergebnis. Die in exakter Arithmetik gleichwertigen Ausdr¨ ucke mit der Summe 136 ergeben z.B. mit acht-stelliger Mantisse 220 +IM 24 −IM 23 +IM 27 −IM 220 = +(0000 0000)2 = 0, 220 +IM 24 −IM 220 −IM 23 +IM 27 = +(0111 1000)2 = 120, 220 −IM 220 +IM 24 −IM 23 +IM 27 = +(1000 1000)2 = 13 und 220 +IM 24 +IM 27 −IM 220 −IM 23 = −(0000 1000)2 = −8. Die Rundungsfehleranalyse wird zum Abschluss des Abschnitts ausgedehnt auf die Berechnung der Summe a + b + c mit bereits mit Rundungsfehlern εa , εb und εc behafteten Eingabedaten a, b und c. Die Addition dieser fehlerbehafteten Summanden wird nach der Berechnungsmethode (6.3) durchgef¨ uhrt 1. : e = (a · (1 + εa )) +IM (b · (1 + εb )) und 2. : y˜ = e +IM (c · (1 + εc )) .

(6.8)

Die Analyse u ¨ berlassen wir Ihnen in der ¨ Ubung 15. Rechnen Sie nach, dass sich f¨ ur die Addition dreier Zahlen a, b und c unter Ber¨ ucksichtigung von Rundungsfehlern mit dem Ansatz (6.8) f¨ ur den relativen Rundungsfehler der Summe in erster N¨aherung . frel (y) =

a b c εa + εb + εc a + b + c a + b + c a + b+c    Verst¨ arkung der Eingabefehler a+b ε1 + ε2 . + a+b+c    Verst¨ arkung der Rechenfehler

(6.9)

ergibt. Die Rechenfehler der beiden Additionen sind dabei ε1 und ε2 . Der gesamte relative Fehler frel (y) der Summe a + b + c setzt sich nach (6.9) zusammen aus den in Abschn. 4 postulierten Anteilen: 1. Eingabefehler εa , εb und εc , die im Verh¨altnis ihres Werts zur Gesamtsumme verst¨ arkt werden. Die Eingabefehler k¨onnen z.B. durch bereits gemachte Rechenfehler entstanden sein. angig von der Berechnungsmethode 2. Rechenfehlern ε1 und ε2 , die sich abh¨ verst¨ arken k¨onnen. ist dagegen nicht mal mehr konvergent, sondern divergiert unbestimmt zu den Werten 0 und 1. Fazit: Endliche Reihen mit endlich genauer Arithmetik verhalten sich also a ¨hnlich wie unendliche Reihen mit unendlich genauer Arithmetik.

6.3 Ausl¨ oschung

75

Das Beispiel zeigt, dass sich Rundungsfehler im Endergebnis sehr stark auswirken k¨ onnen, wenn der Wert der Gesamtsumme nahe bei Null liegt. Diese und ¨ ahnlich ung¨ unstige F¨ alle besch¨ aftigen uns im n¨achsten Abschnitt.

6.3 Auslo ¨schung Ausl¨ oschung tritt immer dann auf, wenn ungef¨ahr gleich große, bereits mit Fehlern behaftete Zahlen voneinander abgezogen werden und signifikante Mantissenstellen w¨ ortlich ausgel¨oscht werden. Wir verdeutlichen dies an Beispiel 18. Die zwei reellen Zahlen r = 3/5 und s = 4/7 mit den normierten, gerundeten Repr¨ asentationen mit f¨ unf-stelliger Mantisse nach Definition 13 (1.0011)2 · 2−1 und (1.0010)2 · 2−1 haben die Differenz r − s = 1/35 und es ergibt sich n¨ aherungsweise (1.0011)2 · 2−1 − (1.0010)2 · 2−1 = (0.0001)2 · 2−1 = (1.0000)2 · 2−5 .

(6.10)

= −0.0938, ca. Das Ergebnis 1/32 ist behaftet mit dem Fehler 1/35−1/32 1/32 9.4%. Das ist ungef¨ ahr das drei-fache der Maschinengenauigkeit ε = 0.031 = 3.1%. Die Berechnung der Differenz mit nur drei-stelliger Mantisse liefert 1.01 · 2−1 − 1.01 · 2−1 = 0 und damit ein absoluten Fehler von 100%. Die in (6.10) unterstrichenen Stellen sind signifikant und l¨oschen sich durch die Subtraktion aus. Die signifikanten Stellen gehen durch das anschließende Normieren des Resultats verloren und werden willk¨ urlich durch ahnungslose“ Nullen ersetzt. Es ist daher nicht verwunderlich, dass sich ” große Fehler in die Berechnung einschleppen k¨ onnen. Die ausgel¨oschten signifikanten Stellen k¨ onnen nicht gerettet werden. Ausl¨oschungsfehler sind daher prinzipiell nicht behebbar, siehe dazu die ¨ Ubung 16. Welchen Einfluss h¨ atte das Ersetzen der ausgel¨oschten Stellen anstatt durch Nullen durch Einser oder zuf¨ allige Ziffern? Anmerkung 34 (Differenz exakter Zahlen). Sind die beiden Zahlen x und y exakt, so ist auch das Ergebnis der Differenz exakt; da weder x noch y fehlerbehaftete Stellen besitzen, sind auch alle signifikanten Stellen des Resultats exakt, auch, wenn viele Stellen sich durch die Differenz gegenseitig weg heben. Anmerkung 35 (Verzicht auf Normalisierung). Die Normalisierung t¨auscht im Fall der Ausl¨ oschung eine nicht vorhandene Genauigkeit vor. Daher gab es Ans¨ atze auf die Normalisierung zu verzichten, siehe [97].

76

6 Gleitpunktarithmetik und Fehlerfortpflanzung

Wir analysieren den kritischen Teil einer Berechnungsmethode, der zur Ausl¨ oschung f¨ uhren kann: der relative Fehler der Differenz y := a − b zweier Zahlen a und b mit kleinen relativen Fehlern εa und εb lautet: a − b − (a(1 + εa ) − b (1 + εb ))(1 + ε− ) a−b a b εa + εb − ε− . = − a−b a−b

εy :=

(6.11)

Extreme Fehlerverst¨ arkung wird es nach Gleichung (6.11) geben, wenn |a| oder |b| sehr groß ist verglichen mit |a − b|, also |a − b| << min{|a|, |b|}. Differenzen zwischen ann¨ ahernd gleich großen, fehlerbehafteten Zahlen m¨ ussen m¨ oglichst algorithmisch vermieden werden und k¨onnen oftmals durch eine gewissenhafte Analyse der Reihenfolge der Additionen und Subtraktionen umgangen werden. Die Berechnungsschritte k¨onnen z.B. mit Hilfe des Assoziativ- und / oder des Kommutativgesetzes a¨quivalent umgestellt werden und produzieren dann verl¨ asslichere Ergebnisse. Wir studieren dazu das Beispiel 19 (Numerische Berechnung der Exponentialfunktion[67]). Wir berechnen die Exponentialfunktion exp (x) mittels Reihenentwicklung ex = 1 + x +

x3 x2 + + ··· . 2! 3!

(6.12)

Wir addieren dazu die Summanden y = xk /k! mit k ≥ 0 in einem Programm solange, bis sich der R¨ uckgabewert z nicht mehr ¨andert: // Eingabewert: x z = 0.0; y = 1.0; k = 1; WHILE z != z + s*x/k : z = z+y; y = y*x/k; k = k+1; ENDWHILE // Ausgabewert: z Wir wollen kl¨ aren, ob wir die Werte der Exponentialfunktion ex f¨ ur alle x ∈ IR bis auf Maschinengenauigkeit genau berechnen k¨onnen, und berechnen dazu die R¨ uckgabewerte z des Programms auf einem Rechner mit der Maschinengenauigkeit ε = 10−14 f¨ ur verschiedene Werte x, siehe Tabelle 6.1. Der oben angegebene Algorithmus liefert f¨ ur positive Werte x > 0 korrekte Ergebnisse z und f¨ ur x < 0 vollkommen falsche Werte: Die Summanden y haben f¨ ur negative x alternierende Vorzeichen und es k¨onnte Ausl¨oschung vorliegen. Die Reihenentwicklung der Exponentialfunktion ex im Punkt x = −20 best¨ atigt diesen Verdacht, wie die Liste der Summanden in der Tabelle 6.2 insbesondere f¨ ur k = 19 und k = 20 zeigt.

6.3 Ausl¨ oschung

77

Tabelle 6.1. Die R¨ uckgabewerte z, siehe mittlere Spalte, eines Programms zur numerischen Berechnung der Exponentialfunktion ex , siehe rechte Spalte, auf einem ur verschiedene Werte x, siehe Rechner mit der Maschinengenauigkeit ε = 10−14 f¨ linke Spalte. Die korrekten Stellen sind unterstrichen. x 1 20 -10 -20

z 2.7182818 4.8516531 -1.6408609 1.2029660

· · · ·

0

10 108 10−4 100

ex 2.7182818 4.8516520 4.5399930 2.0611537

· · · ·

100 108 10−5 10−9

Tabelle 6.2. Die Summanden y = xk /k! der Reihenentwicklung der Exponentialangigkeit von k f¨ ur x = −20. funktion ex in Abh¨ k 0 1 2 .. . 19 20 .. . 60 .. . 70 .. . 99 .. .

y=

xk k!

1 −20 200 .. . −0.4309980412 0.4309980412 .. . 0.1385558575 .. . 0.9855863063 .. . −0.6791503299 .. .

· 108 · 108 · 10−3 · 10−9 · 10−27

Die Summanden y = (−20)k /k! f¨ ur die Berechnung des Funktionswerts e−20 nehmen zun¨ achst immer gr¨ oßer werdende Werte mit wechselndem Vorzeichen an, die schließlich mit gr¨ oßer werdendem k wegen der Fakult¨at k! im Nenner gegen Null konvergieren. Die Summe enth¨alt somit auch Differenzen zweier nahezu gleich großer, bereits mit Rundungsfehlern behafteter Zahlen. ur k = 20 um den Faktor 1017 gr¨oßer als Die Summanden xk /k! sind z.B. f¨ −20 das Resultat e ≈ 2.0611537 · 10−9 . Die Maschinengenauigkeit des Rech−14 und daher ist es nicht verwunderlich, dass die signifikanten ners ist ε = 10 Stellen restlos ausgel¨ oscht sind und die Summe z um Gr¨oßenordnungen von dem gew¨ unschten Resultat abweicht. Analysieren Sie folgenden Verbesserungsvorschlag in der

78

6 Gleitpunktarithmetik und Fehlerfortpflanzung

¨ Ubung 17. Der Einfluss der Rundungsfehler soll minimiert werden und dazu addieren wir die Summanden y = xk /k! in der Reihenfolge aufsteigender Betr¨ age. Wir berechnen dazu zun¨ achst alle Summanden y = xk /k!, die gr¨oßer als die Maschinengenauigkeit ε sind, sortieren alle z.B. mit Quicksort alle Summanden und bilden abschließend die Summe. In diesem Zusammenhang weisen wir auf einen h¨aufig zu beobachtenden Programmierfehler hin in der Anmerkung 36 (Vergleich von Gleitpunktzahlen). Der berechnete Wert r einer nicht ganzzahligen Variable wird i.Allg. wegen der Rundungsfehler der Rechenoperationen vom erwarteten Wert s abweichen: r = s. Die Abfrage auf Gleichheit in der Form IF r == s THEN ... ENDIF ist daher sinnlos, da der berechnete Wert nur zuf¨allig r = s sein wird. Diese Form der Abfrage soll nach der Richtlinie 13.3 der Richtliniensammlung MISRA-C:2004, siehe [81], vermieden werden3 . Stattdessen verwenden wir besser IF |r-s| <= epsilon THEN ... ENDIF mit einer passenden kleinen positiven Schranke epsilon. Manche Programmiersprachen, wie z.B. die Programmiersprache C, erm¨ oglichen textuelle Ersetzungen mit Pr¨ aprozessoranweisungen. Damit deklarieren wir z.B. die Vergleichsgenauigkeit #define epsilon

(0.00390625) // 2^(-8)

und definieren Vergleichsoperationen: // Vergleich zweier #define EQ(d1,d2) #define LT(d1,d2) #define LE(d1,d2)

Gleitpunktzahlen auf Genauigkeit epsilon (fabs((d1) - (d2)) < (epsilon)) ((d1) + (epsilon) < (d2) - (epsilon)) (EQ(d1,d2) || LT(d1,d2))

Der Vergleich EQ liefert den Wert wahr, falls beide Zahlen bis auf epsilon gleich sind, andernfalls den Wert falsch. Die beiden Vergleiche LT und LE 3

Aus dem selben Grund verbietet die Richtlinie 13.4 der Richtliniensammlung MISRA-C:2004 die Verwendung von Gleitpunktzahlen z.B. als Schleifenz¨ ahler, da sich Rundungsfehler in dem Schleifenz¨ ahler akkumulieren k¨ onnen. Im ung¨ unstigsten Fall kann dann die Schleifenabbruchbedingung nicht mehr erreicht werden, so dass die Schleife nicht mehr terminieren kann.

6.4 Zusammenfassung

79

liefern den Wert wahr, falls die beiden Zahlen bis auf epsilon echt kleiner bzw. kleiner gleich sind, sonst den Wert falsch. Die verwendete Vergleichsgenauigkeit epsilon muss eine darstellbare Maschinenzahl sein, z.B. eine Zweierpotenz. Andernfalls schleichen sich bei dem Vergleichsoperator < erneute Fehler ein. Die Vergleichsgenauigkeit epsilon darf nicht kleiner als die Maschinengenauigkeit ε sein, da die Einf¨ uhrung der Vergleichsoperationen sonst nicht sinnvoll ist. Damit sollte die L¨ osung einfach sein f¨ ur die n¨achste ¨ Ubung 18. Warum beschr¨ anken wir uns bei Anmerkung 36 auf nicht ganzzahlige Variablen? Abschließend machen wir noch die Anmerkung 37 (Skalarprodukt4 ). Das Skalarprodukt zweier Vektoren x = (x1 , . . . , xn ) und y = (y1 , . . . , yn ) ist in vielen numerischen Anwendungen von zentraler Bedeutung. Die Gr¨ oßenordnung des Skalarprodukts x ◦ y ist i.Allg. nicht absch¨ atzbar. Ausl¨ oschung vermeiden wir, indem wir das Ergebnis mit h¨ oherer Genauigkeit ohne jegliche Rundung berechnen und erst nach der letzten Addition in die Menge der Gleitpunktzahlen runden. Rechner, die f¨ ur numerische Anwendungen konzipiert sind, sehen Speichervariablen mit h¨ oherer Genauigkeit vor, auf die schnell lesend und schreibend zugegriffen werden kann.

6.4 Zusammenfassung Die Rundungsfehleranalyse erm¨ oglicht die Fehlerquellen f¨ ur eine gegebene Berechnungsmethode aufzudecken und gleichzeitig den Einfluss dieser Fehlerquellen auf das Endergebnis vorherzusagen. Die Rundungsfehler ergeben sich entweder aus bereits fehlerbehafteten Eingabedaten oder dem n¨aherungsweisen Rechnen mit Gleitpunktoperationen. Die Rundungsfehleranalyse kann linear durchgef¨ uhrt werden, da Terme h¨oherer Ordnung in ε wegen |ε|  1 i.Allg. nicht in den Zwischenvariablen gespeichert werden. Die Analyse bleibt deswegen auch verh¨ altnism¨ aßig u ¨ bersichtlich. Die Rundungsfehleranalyse wird wegen der zentralen Bedeutung der Maschinengenauigkeit ε als Schranke f¨ ur die Rechenfehler auch kurz als Epsilontik bezeichnet. Wir haben gesehen, dass wir besonders auf die Ausl¨oschung signifikanter Stellen achten m¨ ussen. Die Ausl¨ oschung tritt nicht nur bei betragsm¨aßig gleich großen Zahlen auf, sondern auch bei der Addition unterschiedlich 4

Das Skalarprodukt zweier Vektoren wird wegen der zentralen Bedeutung f¨ ur numerische Anwendungen h¨ aufig auch als f¨ unfte Grundrechenart bezeichnet und im Rechenwerk z.T. fest implementiert. Da sich das Skalarprodukt aber auf eine Folge von elementaren Additionen und Multiplikationen zur¨ uckf¨ uhren l¨ asst, f¨ uhren wir es hier nicht extra auf.

80

6 Gleitpunktarithmetik und Fehlerfortpflanzung

großer Zahlen, bei der die signifikanten Stellen des Ergebnisses in einer betragm¨ aßig kleinen Eingabezahl stecken und die Addition mit gr¨oßeren Zahlen die signifikanten Stellen ausl¨ oscht. Je nach Reihenfolge der Additionen k¨ onnen wir in solchen F¨ allen sehr unterschiedliche Endergebnisse erhalten. Haben wir eine Stelle in der Berechnungsmethode identifiziert, die zu solchen ungenauen Resultaten f¨ uhren kann, ist noch nicht klar, ob wir eine robuste Ersatz-Berechnungsmethode angeben k¨onnen. Denn es kann sich einerseits um ein in der Aufgabenstellung liegendes oder andererseits erst durch die konkrete Berechnungsmethode eingeschlepptes Problem handeln.

7 Kondition und Stabilit¨ at

”

Nobody is perfect“ Osgood Fielding III zu Daphne (Jerry) aus Some like it hot“ von Billy Wilder ”

Der Begriff der Berechnungsmethode ist in diesem Abschnitt von zentraler Bedeutung. Wir beginnen daher mit der Definition 19 (Berechnungsmethode). Eine Berechnungsmethode ist eine wohldefinierte Folge von mathematischen Elementarberechnungen, wie Addition, Subtraktion, Multiplikation und Division, die aus den Eingangsdaten x ∈ IRn , n ∈ IN∗ das Ergebnis y = f (x) ∈ IR

(7.1)

berechnet. Die Berechnungsmethode legt sowohl die Elementarberechnungen als auch die Reihenfolge dieser Elementarberechnungen fest. Daran schließt sich die Anmerkung 38 (Klassifikation der Berechnungsmethoden). Das Ergebnis einer Aufgabenstellung kann i.Allg. u ¨ ber eine Vielzahl von m¨oglichen Berechnungsmethoden ermittelt werden. Diese Berechnungsmethoden k¨onnen sich sowohl in der Verwendung der Elementarberechnungen als auch in der Reihenfolge der Elementarberechnungen unterscheiden. Eine zentrale Aufgabe der numerischen Mathematik besteht darin, diese Berechnungsmethoden bzgl. der Fehlertoleranz, der Gr¨ oßenordnung der Rechenoperationen und der Verwendung des Speicherplatzes zu klassifizieren. Die vier arithmetischen Grundoperationen sind nach Definition 19 Elementarberechnungen und somit Berechnungsmethoden mit n := 2. Im letzten Abschnitt haben wir das Beispiel 15 der Summe dreier Zahlen a, b und c besprochen und die beiden Berechnungsmethoden (6.3) und (6.6) kennen gelernt. Wir interpretieren diese als Berechnungsmethoden f¨ ur die Aufgabenstellung fsumme (x1 , x2 , x3 ) := x1 + x2 + x3

82

7 Kondition und Stabilit¨ at

mit n := 3 und den Eingangsdaten x1 := a, x2 := b und x3 := c. Wir gehen der zentralen Frage nach, wie sich Eingabefehler in der Reihenfolge der Elementarberechnungen einer Berechnungsmethode verst¨arken k¨ onnen. Die Eingangsdaten xi , 1 ≤ i ≤ n sind i.Allg. mit absoluten Rundungsfehlern δxi behaftet. Die Verst¨ arkung analysieren wir mit Hilfe der Taylor-Reihenentwicklung, siehe Abschn. A.1. Der quantitative Zusammenhang zwischen dem absoluten Fehler δy in dem Ergebnis y und dem absoluten Fehler δx in der Eingabe x ergibt sich f¨ ur hinreichend glatte Funktionen f aus der lineare Taylorentwicklung der Funktion f

 (7.2) y + δy = f (x + δx ) = f (x) + f (x)δx + O δx2 und lautet unter Vernachl¨ assigung von Termen h¨oherer Ordnung . δy = f (x) · δx . Die Verst¨ arkung des relativen Rundungsfehler εy des Resultats y ergibt sich f¨ ur x · y = 0 δy . x · f (x) δx = y y x x · f (x) x · f (x) frel (x) =: εx = y y

εy := frel (y) :=

(7.3)

aus dem relativen Rundungsfehler εx der Eingabe x. Der Verst¨ arkungsfaktor zwischen den relativen Rundungsfehlern in (7.3) ist f¨ ur die numerische Mathematik von zentraler Bedeutung. Wir machen die Definition 20 (Kondition). Die Kondition der Funktion y = f (x) ergibt sich aus dem Verst¨arkungsfaktor    x · f (x)    (7.4) κf (x) :=  f (x)  zwischen den relativen Rundungsfehlern aus Gleichung (7.3) und ist eine Maßzahl f¨ ur die Sensitivit¨at des Resultats y in Bezug auf die Eingabe x. Wir sprechen von einer bez¨ uglich x gut konditionierten Aufgabenstellung f (x), wenn kleine relative Eingabefehler εx bei exakter Arithmetik, d.h. ohne Einfluss von Rechenfehlern, zu vergleichsweise kleinen, relativen Fehlern εy im Resultat y f¨ uhren. In diesem Fall haben die relativen Rundungsfehler εx und εy die gleiche Gr¨oßenordnung. Anderenfalls liegt schlechte Kondition von f an der Stelle x vor. Daran schließt sich die Anmerkung 39. Die Kondition ist eine Funktion der Eingabe x und nach (7.4) eine Eigenschaft der Aufgabenstellung und nicht der Berechnungsmethode.

7 Kondition und Stabilit¨ at

83

¨ Ubung 19. Nehmen Sie Stellung zu der Aussage eines Kommilitonen: Scha” de, dass nicht alle Berechnungsverfahren schlecht konditioniert sind.“ Die Kondition κf ist eine Funktion der Eingabe x    x · f (x)   κf (x) :=  f (x)  und w¨ achst direkt proportional mit dem Argument x und der Ableitung f (x) sowie indirekt proportional mit dem Resultat f (x). Schlechte Kondition liegt meist dann vor, wenn entweder das Verh¨altnis von Eingabewert zu Ausgabewert x/f (x) oder die Ableitung f (x) betragsm¨ aßig groß sind. Die Terme x, f (x) und f (x) k¨onnen sich auch gegenseitig kompensieren oder verst¨ arken, wie wir sehen in der ¨ Ubung 20. Berechnen Sie die Kondition der Funktion y = xr , r ∈ IR. Diskutieren Sie, f¨ ur welche Werte r schlechte Kondition vorliegt und welcher Term daf¨ ur verantwortlich ist. Die Kondition bestimmt nach Definition 20 den unvermeidbaren Fehler, der durch dir Aufgabenstellung gegeben ist und den wir bei Anwendung der geschicktesten numerischen Berechnungsmethode nicht unterbieten k¨onnen. Wir berechnen die Konditionen f¨ ur Elementarberechnungen in der ¨ Ubung 21 (Konditionen f¨ ur Elementarberechnungen). Leiten Sie die Konditionen f¨ ur die Elementarberechnungen: Zuweisung y = x, Addition y = a + x, Subtraktion y = a − x, Multiplikation y = a · x, Divison y = a/x, √ Wurzel y = x, Exponentialfunktion y = exp(x) und Logarithmus y = log(x) in der Tabelle 7.1 her. Tabelle 7.1. Die Konditionen κ f¨ ur ausgew¨ ahlte Elementarberechnungen.

Zuweisung

y=x

Addition

y =a+x

Subtraktion

y =a−x

Multiplikation Divison Wurzel Exponentialfunktion Logarithmus

y y y y y

=a·x = a/x √ = x = exp(x) = ln(x)

κ= = 1 ˛ ˛ ˛ x ˛ κ+ = ˛ a+x ˛ ˛ ˛ ˛ x ˛ κ− = ˛ a−x ˛ κ· = 1 κ/ = 1 κ√ = 0.5 κexp = |x| 1 κln = | ln(x)|

Die Kondition der Funktion f (x) = exp(x) lautet κexp = |x| und ist f¨ ur betragsm¨ aßig nicht zu große Werte von x gut konditioniert. Die Umkehrur x ≈ 1 funktion f (x) = ln(x) hat die Kondition κln = |1/ ln(x)| und ist f¨ schlecht konditioniert.

84

7 Kondition und Stabilit¨ at

Die Bereiche mit schlechter Kondition sind graphisch sehr einfach zu erkennen und f¨ ur eine Beispielfunktion y = f (x) in Abb. 7.1 gekennzeichnet mit Kreisen. Mehrere Eigenschaften einer Funktion k¨onnen zu schlechter Kondition f¨ uhren, so z.B. wenn das Resultat y um Gr¨oßenordnungen kleiner ist als die Eingabe x, d.h. x/f (x)  1 oder bei steilem Funktionsverlauf f , wenn kleine Schwankungen in x große Schwankungen in y bewirken, d.h. |f (x)|  1.

Abb. 7.1. Die schlecht konditionierten Bereiche der Funktion f sind mit Kreisen ¨ ¨ gekennzeichnet: kleine Anderungen in Eingaben x verursachen große Anderungen in dem Resultat y = f (x).

Die Kondition κf h¨ angt nur von der Funktion f ab und f¨ uhrt die Sensitivit¨ at einer Aufgabenstellung mit (7.4) auf die Eigenschaften der Funktion f zur¨ uck; die gew¨ ahlte Berechnungsmethode hat insbesondere keinen Einfluss auf die Kondition. ¨ Ubung 22 (Summe dreier Zahlen). Leiten Sie die Konditionen bzgl. der Eingabedaten a, b und c f¨ ur die Berechnungsmethode in Beispiel 15 mit der ur die Addition zweier Kondition κ+ = x/(a + x) der Elementarberechnung f¨ Zahlen aus Tabelle 7.1 her. Es ergeben sich             a b c   .    , κb =  und κc =  κa =  a + b + c a + b + c a + b + c Die Konditionen entsprechen den Verst¨ arkungsfaktoren der relativen Rundungsfehler der Eingabewerte in (6.9). Die ausgew¨ ahlte Berechnungsmethode hat, wie wir bereits im letzten Abschnitt gelernt haben, einen entscheidenden Einfluss auf die Verst¨arkung der Rechenfehler. Es ist daher sinnvoll an dieser Stelle einen weiteren Begriff einzuf¨ uhren in der Definition 21 ((Numerisch) Stabile Berechnungsmethode). Eine (numerisch) stabile Berechnungsmethode vergr¨oßert nicht die relativen Ein-

7 Kondition und Stabilit¨ at

85

gabefehler einer gut konditionierten Aufgabenstellung y = f (x). Eine Berechnungsmethode, die trotz kleiner Kondition κf , große relative Fehler im Ergebnis produziert, heißt (numerisch) instabil. In Abbildung 7.2 zeigen wir die Abgrenzung der Begriffe gut konditionierte Aufgabenstellung, numerisch stabile Berechnungsmethode und effizienter Algorithmus.

alle Probleme gut konditioniert

numerisch stabil effizient lösbar

Abb. 7.2. Die Abgrenzung der Begriffe gut konditionierte Aufgabenstellung, numerisch stabile Berechnungsmethode und effizienter Algorithmus.

Eine Berechnungsmethode kann nach Definition 20 als eine Verkettung von Teilberechnungsmethoden oder Elementarberechnungen z = g(y) und y = f (x) z = g(y) = g(f (x)) = (g ◦ f )(x) mit den Konditionen

   y · g (y)   κg =   z

   x · f (x)  . und κf =   y

aufgefasst werden. Die Konditionszahl f¨ ur die verkettete Berechnungsmethode κg◦f ergibt sich aus der Kettenregel mit    x · (g ◦ f ) (x)    κg◦f =   z    x · g (f (x)) · f (x) · y    =  z·y      y · g (y)   x · f (x)  ·  =     z y = κg · κf . Dieses Ergebnis halten wir fest in dem

86

7 Kondition und Stabilit¨ at

Theorem 2 (Kondition verketteter Berechnungsmethoden). Die Konditionszahl κg◦f der verketteten Berechnungsmethode z = g(y) = g(f (x)) = (g ◦ f )(x) ergibt sich aus dem Produkt der Konditionen der beiden Berechnungsmethoden z = g(y) und y = f (x) κg◦f = κg · κf . Eine gut konditionierte Aufgabenstellung muss nicht notwendigerweise aus gut konditionierten Teilaufgabenstellungen zusammengesetzt sein, wie gezeigt wird in der Anmerkung 40 (Kondition einer Teilaufgabenstellung). Wir betrachten eine gut konditionierte Aufgabenstellung z = (g ◦ f )(x) mit der zus¨atzlichen Annahme, dass die Eingabe x und das Resultat z von gleicher Gr¨oßenordnung |z| ≈ |x| sind. Die Aufgabenstellung kann in zwei Teilaufgabenstellungen y = f (x) und z = g(y) aufgespalten werden. Wenn zus¨atzlich das Zwischenergebnis y um Gr¨ oßenordnungen gr¨ oßer als das Resultat z, also |z| << |y|, ist, dann kann die Kondition κg wegen    y · g (y)    κg =   z groß sein. Die Gesamtaufgabenstellung z = (g ◦ f )(x) enth¨alt somit eine Teilaufgabenstellung z = g(y), die schlecht konditioniert ist und daher f¨ ur g ◦ f bei Eingabe x eine numerisch instabile Berechnungsmethode liefert. In diesem Fall bestimmt die (Rest-)Teilberechnungsmethode z = g(y), ob die Gesamtberechnungsmethode numerisch stabil ist oder nicht. Ein Berechnungsmethode ist somit insbesondere numerisch instabil, wenn mindestens eine Teilberechnungsmethode schlecht konditioniert ist. Dieser Fall kann insbesondere auftreten, wenn in einer Berechnungsmethode relativ große Zwischenwerte produziert werden. In relevanten Anwendungen in der Praxis ist es nicht immer einfach f¨ ur eine gut konditionierte Aufgabenstellung auch eine numerisch stabile Berechnungsmethode anzugeben. In dem Fall einer schlecht konditionierten Aufgabenstellung, ist es i.Allg. nicht sinnvoll, eine Berechnungsmethode anzugeben. Unter dem Motto der Schadensbegrenzung kann es je nach der Aufgabenstellung sinnvoll sein, entweder f¨ ur exakte Eingabedaten x oder nur f¨ ur gewisse Teilmengen der Eingabe x eine Berechnungsmethode anzugeben, das zu kleinen relativen Fehlern im Ergebnis f¨ uhrt und den unvermeidbaren Fehler so gut wie m¨ oglich begrenzt. So gibt es z.B. unterschiedliche M¨oglichkeiten, die Genauigkeit der Arithmetik zu erh¨ ohen, wie z.B. den Vorschlag von J. R. Shewchuk in [103], die Gleitpunktarithmetik mit adaptiver beliebiger Genauigkeit in Software nachzubilden.

7 Kondition und Stabilit¨ at

87

¨ Ubung 23 (Kondition f¨ ur die Ausl¨ oschung). Vergleichen Sie die Konditionen κa und κb bez¨ uglich a und b f¨ ur den Fall der Ausl¨oschung a − b mit den Verst¨ arkungsfaktoren in Gleichung (6.11). In den folgenden Beispielen machen wir uns mit den neu eingef¨ uhrten Begriffen vertraut. Beispiel 20 (Erweiterung mit Bruch). Der Ausdruck

f (x) := 1 − 1 − x2

(7.5)

soll f¨ ur kleine Werte x ≈ 0 numerisch berechnet werden. Diese Aufgabenstellung ist wegen     x2   √ √ κf = 

 → 2 mit x → 0  1 − 1 − x2 1 − x2  sehr gut konditioniert. Die numerische Auswertung des Ausdrucks (7.5) f¨ uhrt allerdings zu Ergebnissen mit extrem großen relativen Rundungsfehlern wie gezeigt wird in der folgenden ¨ Ubung 24. Berechnen Sie den Ausdruck (7.5) z.B. mit einem Taschenrechner f¨ ur x = 1.0 · 10−i und große i ∈ IN. Die evtl. vorhandenen relativen Eingabefehler x in x und die Rechenfehler, die durch das Quadrieren, Subtrahieren und Wurzelziehen entstehen, entfal√ ten durch Ausl¨ oschung im letzten Rechenschritt 1 − · · · eine große Wirkung auf das Endergebnis. Die Berechnungsmethode (7.5) ist daher nach Definition 21 numerisch instabil. Eine numerisch stabile Berechnungsmethode erhalten wir, wenn wir den Ausdruck (7.5) mittels Erweiterung von Z¨ ahler und Nenner √ √

(1 − 1 − x2 )(1 + 1 − x2 ) 2 √ 1− 1−x = 1 + 1 − x2 1 − (1 − x2 ) √ = 1 + 1 − x2 x2 √ = (7.6) 1 + 1 − x2 umformen und so die Ausl¨ oschung umgehen. Der Ausdruck (7.5) in Beispiel 20 ist numerisch instabil und verst¨arkt die relativen Rundungsfehler, obwohl die Aufgabenstellung gut konditioniert ist. Eine numerisch stabile Berechnungsmethode (7.6) wurde durch Erweitern von Z¨ ahler und Nenner gefunden. Numerisch instabile Berechnungsmethoden k¨onnen auch durch Fallunterscheidung vermieden werden, wie z.B. in dem

88

7 Kondition und Stabilit¨ at

Beispiel 21 (Fallunterscheidung). Die Berechnungsmethode (6.12) f¨ ur die Exponentialfunktion exp (x) in Beispiel 19 ist nur f¨ ur x < 0 numerisch instabil. Eine numerisch stabile Berechnungsmethode f¨ ur x < 0 kann durch einfache Umformung gefunden werden und lautet ex =

1 = e−x 1−x+

1 −

x2 2!

x3 3!

+ ···

.

(7.7)

Die Exponentialfunktion exp(x) kann somit mit der Fallunterscheidung f¨ ur x > 0 mit (6.12) und f¨ ur x < 0 mit (7.7) f¨ ur alle x ∈ IR numerisch stabil berechnet werden. Die Aufgabenstellung Berechnung der Nullstellen eines Polynoms hat in der Notation der Definition 19 die Form Δ

n

0 = p(y) := y +

n−1 

xi · y i

i=0

mit den Polynomkoeffizienten xi mit i = 0, · · · n − 1 als Eingabe und den Nullstellen yi mit i = 0, · · · n als Ergebnis. Die Berechnung der Nullstellen eines Polynoms in Abh¨ angigkeit der Polynomkoeffizienten ist i.Allg. schlecht konditioniert, wie gezeigt wird in dem Beispiel 22 (Nullstellen eines Polynoms). Die Nullstellen des Polynoms p(y) = y 4 − 4y 3 + 8y 2 − 16y + 15.999 999 99 = (y − 2)4 − 10−8 lauten y1,2 = ±2.01 und y3,4 = 2 ± 0.01i. Die Eingabe des Polynomkoeffizienten x = 15.9999 9999 wird bei der Maschinengenauigkeit ε ≈ 10−10 als x = 16 abgespeichert und ist mit dem relativen Eingabefehler εx = 6.25·10−10 behaftet. Ein Programm mit exakter Arithmetik berechnet die vierfache Nullstelle y1,2,3,4 = 2. Der relative Fehler εy der reellen Nullstellen ist 0.01/2.01 = 4.975 · 10−3 . Die Kondition der reellen Nullstellen ist somit κx1,2 = εy /εx ≈ 5.0 · 107 . Die Aufgabenstellung der Berechnung der Nullstellen y1,2 ist schlecht konditioniert. Wir machen die abschließende Anmerkung 41 (Aussagekraft der Stellenanzahl). Die Gleichung (7.3) zeigt, dass der relative Rundungsfehler y und damit die Anzahl der korrekten Stellen eines Ergebnis y einer Berechnungsmethode y = f (x) sowohl von der Kondition κf der Aufgabenstellung als auch von dem relativen Rundungsfehler x der Eingabe abh¨ angt. Der relative Rundungsfehler y ist somit auch ein Maß f¨ ur die Genauigkeit des Ergebnisses und es macht daher i.Allg. keinen Sinn, ein Ergebnis mit h¨ oherer Genauigkeit anzugeben: Aussagen, wie

7 Kondition und Stabilit¨ at

89

z.B. Es leben 6.575.461.384 Menschen auf der Erde“ t¨auschen durch eine ” konkrete Angabe aller Vorkommastellen eine große Genauigkeit vor, obwohl diese Zahl nicht exakt ermittelt werden kann und - wenn u ¨ berhaupt - auch nur einen kurzen Augenblick lang richtig sein k¨onnte. Es empfiehlt sich daher die Anzahl der g¨ ultigen Stellen genau zu kennen um die Aussagekraft eines Ergebnisses beurteilen zu k¨onnen. Die Anzahl der g¨ ultigen Stellen eines Ergebnisses h¨ angt insbesondere ab von: 1. 2. 3. 4.

relativen Rundungsfehler x der Eingabe, Maschinengenauigkeit ε, Kondition κ der Aufgabenstellung und numerischer Stabilit¨ at der Berechnungsmethode.

Zusammenfassung Wenn wir eine gegebene Aufgabenstellung mit Hilfe einer Berechnungsmethode l¨ osen wollen, m¨ ussen wir Algorithmen entwerfen, die ggf. vorhandene relative Rundungsfehler in den Eingangsdaten x sowie Rundungs- und Rechenfehler ber¨ ucksichtigen und wenn nicht verkleinern, dann wenigstens nicht zus¨ atzlich verst¨ arken. Am Anfang steht die Analyse der Aufgabenstellung, da der Entwurf der Berechnungsmethode davon abh¨angt, ob die Aufgabenstellung gut oder schlecht konditioniert bez¨ uglich der Eingangsdaten ist. Danach muss untersucht werden, ob die Berechnungsmethode numerisch stabil ist, d.h. die unvermeidlichen Fehler durch Eingabefehler, die mit der Kondition der Aufgabenstellung verst¨ arkt werden, nicht weiter zu extremen Verschlechterungen f¨ uhren. Die Berechnungsmethode muss dar¨ uber hinaus auch Werte mit sehr unterschiedlicher Gr¨ oßenordnung verarbeiten k¨onnen ohne dabei an Rechengenauigkeit zu verlieren. Insbesondere ist auf Teilberechnungsmethoden zu achten, die Genauigkeit in der Form signifikanter Stellen verlieren, wie z.B. ¨ – Ausl¨ oschung bei Subtraktion nahezu gleichgroßer Zahlen, siehe Ubung 23, – Summen, wobei die signifikanten Stellen in den relativ kleinen Summanden enthalten sind, siehe Beispiel 17 und – Berechnungsmethoden, bei denen relativ große Zwischenergebnisse vorkommen k¨ onnen, wie z.B. die schlecht konditionierte Teilberechnungsmethode in Beispiel 19 (siehe auch Anmerkung 40). Diese und andere Beispiele zeigen, dass wir dem Ergebnis einer numerischen Berechnung nicht blind vertrauen d¨ urfen. Numerisch instabile Berechnungsmethoden einer gut konditionierten Aufgabenstellung k¨onnen oftmals in stabile Berechnungsmethode umgewandelt werden, z.B. mit ¨ – Anderung der Reihenfolge der Teilberechnungsmethoden, – Anwendung trigonometrischer oder algebraischer Umformungen und – Berechnung mittels Taylor-Entwicklungen.

90

7 Kondition und Stabilit¨ at

Dies ist ein kreativer und spannender Teil der numerischen Mathematik. Wenn die Aufgabenstellung dagegen schlecht konditioniert ist, werden unvermeidbar gr¨oßere relative Fehler produziert. Eine Verbesserung kann nur in beschr¨ anktem Rahmen z.B. durch genauere Rechnung erreicht werden, indem wir z.B. die Anzahl t der in der Mantisse aufgef¨ uhrten Stellen erh¨ohen, und mit h¨ oherer Genauigkeit rechnen, z.B. mit double precision. Welche Gr¨ oßenordnung der Kondition κ akzeptabel ist, h¨angt einerseits von der Maschinengenauigkeit ε und andererseits von der geforderten Genauigkeit des Endresultats ab. Eine Berechnungsmethode auf einem Rechner mit der Maschinengenauigkeit ε = 10−16 produziert f¨ ur eine Aufgabenstellung mit der Kondition κ = 108 Ergebnisse mit einem relativen Fehler der Gr¨ oßenordnung 10−8 . Der Anwender muss entscheiden, ob diese Genauigkeit ausreicht oder nicht. Daraus leitet sich eine weitere Anforderung an eine Berechnungsmethode ab: Berechnungsmethoden m¨ ussen so entworfen sein, dass systematische Fehler, wie z.B. durch die Rundungsvorschrift im Beispiel 6, vermieden werden; auch relativ kleine Fehler k¨ onnen durch eine große Anzahl von durchgef¨ uhrten Elementarberechnungen zu großen relativen Fehlern im Ergebnis f¨ uhren. Anmerkung 42 (Epsilontik und St¨orungsrechnung). Die Analyse der Kondition κf basiert auf der Linearisierung der Funktion f mit der Taylorentwicklung in (7.2). Die Analysis hat wesentlich m¨ achtigere Analysemethoden hervorgebracht und so k¨ onnten wir die Fortpflanzung der (Rundungs-)Fehler einer Berechnungsmethode wesentlich detaillierter z.B. mit der Differentialrechnung durchf¨ uhren, indem wir die einzelnen Teilschritte der Berechnungsmethode Schritt f¨ ur Schritt analysieren (siehe Anmerkung 40). Die in diesem Kapitel vorgestellte einfachere Analyse, kurz als Epsilontik bezeichnet, ist eine vereinfachte St¨ orungsrechnung erster Ordnung mit Hilfe von Taylor-Entwicklungen der Teilberechnungsmethoden, siehe [107]. Wir geben einen Ausblick auf alternative Analysemethode in der abschließenden Anmerkung 43 (Vorw¨arts- und R¨ uckw¨artsanalyse). Die Epsilontik ist ein Spezialfall der so genannten Vorw¨artsanalyse bei der das berechnete Ergebnis y˜ als gest¨ ortes exaktes Ergebnis y˜ = y + δy zu den exakten Eingabedaten x interpretiert wird. Die Vorw¨ artsanalyse erm¨ oglicht die direkte Absch¨atzung artsanalyse einer Berechnungsmethoden des relativen Fehlers εy . Die Vorw¨ kann u.U. leider sehr oder sogar zu kompliziert werden. In diesen F¨ allen bietet sich die so genannte R¨ uckw¨artsanalyse an: Das Ergebnis yˆ wird als exaktes Ergebnis yˆ = y zu ver¨anderten Eingaben x ˆ mit x ˆ = x + δx interpretiert; existiert ein xˆ mit kleinem |δx |, das bei exakter Rechnung auf yˆ f¨ uhrt, so wird das Berechnungsverfahren als r¨ uckw¨arts stabil ” “ bezeichnet. Die R¨ uckw¨ artsanalyse ist i.Allg. einfacher und daher leichter auch in komplizierten F¨ allen anwendbar.

7 Kondition und Stabilit¨ at

91

Es ist also stets angebracht, Ergebnissen numerischer Berechnungsmethoden ein gesundes Misstrauen entgegenzubringen. Dieses Kapitel gibt dem Anwender eine Reihe von Analyse- und Bewertungsm¨oglichkeiten an die Hand, um in eine Berechnungsmethode Vertrauen gewinnen zu k¨onnen.

8 Aufgaben

Nicht alleine in Rechnungssachen soll der Mensch sich M¨ uhe ma” chen...“ Wilhelm Busch, Max und Moritz, vierter Streich.

¨ Ubung 25 (Schriftliches Rechnen). Stoppen Sie die Zeit in Sekunden, die Sie f¨ ur die Kopfrechnung der Zwischenschritte f¨ ur die Multiplikation 13061968 · 8121971 ben¨ otigen. Wie viele elementare Additionen und Multiplikationen des kleinen Einmaleins haben Sie dabei ausgef¨ uhrt? Wie viele ¨ ¨ Uberl¨ aufe hatten Sie zu beachten? Uberpr¨ ufen Sie das Ergebnis mit einem Taschenrechner. Haben Sie zuverl¨ assig gerechnet? ¨ Ubung 26 (Kopfrechnen). Die Inderin Shakuntala Devi1 soll im Jahr 1980 zwei 13-stellige Zahlen in nur 28 Sekunden im Kopf korrekt multipliziert haben. Wie viele elementare Additionen und Multiplikationen des kleinen Einmaleins hat sie daf¨ ur pro Sekunde durchgef¨ uhrt? ¨ Ubung 27 (Wurzel mit dem Taschenrechner). Geben Sie die Zahl 2 auf √ k 1/2k einem = 2 2=

√Taschenrechner Ihrer Wahl ein. Berechnen Sie den Wert 2 · · · 2 in dem Sie k-mal die Wurzel berechnen. In der Anzeige erscheint die Zahl x ≈ 1. Versuchen Sie diese Operation r¨ uckg¨angig zu machen, indem k ur Sie die Zahl x entsprechend k-mal quadrieren und somit x2 berechnen. F¨ ∗ welche Zahlen k ∈ IN erhalten Sie den Ausgangswert 2? Warum? Wie h¨angt k mit der Maschinengenauigkeit ε des Taschenrechners zusammen? ¨ Ubung 28 (Mehrdeutige Darstellung von Zahlen im Positionssystem). Jede positive reelle Zahl r ∈ IR kann in einem Positionssystem mit der Basis b ∈ IN∗ und b > 1 in der Form 1

Auch wenn dieser Rekord angezweifelt wird, da erstens u.a. einer der beiden Multiplikatoren auf die Ziffer 0 endete und da zweitens der Rekord schlichtweg in extremen Maße u ¨ ber allen bekannten Leitungen anderer Kopfrechner liegt, gibt diese Rechenleistung zumindest eine obere Schranke f¨ ur Kopfhochleistungsarith¨ metik an. Eine Ubersicht zu Weltrekorden f¨ ur Ged¨ achtnis und Kopfrechnen findet sich z.B. auf www.recordholders.ord/de/list/memory.htm.

94

8 Aufgaben

r=

s−1  i=0

ri · bi +

∞ 

r−i · r−i

(8.1)

i=1

mit den Koeffizienten 0 ≤ ri < b f¨ ur ri mit 0 ≤ i < s und r−i mit i > 0 dargestellt werden. Die Darstellung einer Zahl nach (8.1) ist nicht eindeutig. Geben Sie ein Beispiel f¨ ur eine Zahl r und eine Basis b an, das zwei Darstellungen (8.1) zul¨asst. ¨ Ubung 29 (Schaltbild f¨ ur die Subtraktion). Entwerfen Sie ein Schaltbild f¨ ur die Subtraktion zweier zwei-stelliger Bin¨arzahlen mittels Zweierkomplementdarstellung (5.6)! Hinweis: Das Ersetzen der Ziffern einer Bin¨ arzahl wird in einem Schaltbild einfach durch die NICHT-Verkn¨ upfung ¬ realisiert. ¨ Ubung 30 (Rundung zerst¨ ort Strukturerhaltung). Zeigen Sie an einem einfachen Beispiel Ihrer Wahl, dass es keinen strukturerhaltenden Homomorphismus aus der Menge der reellen Zahlen IR in eine beliebig konstruierte Menge von Gleitpunktzahlen IM gibt. ¨ Ubung 31 (Analyse mit Epsilontik). Analysieren Sie die Berechnungsmethode y = a2 − b2 mit Hilfe der Epsilontik: a) Berechnen Sie die Konditionen bez¨ uglich a und b. Unter welchen Bedingungen ist die Aufgabenstellung schlecht konditioniert? b) Zeigen Sie, dass f¨ ur den relativen Fehler des Resultats gilt εy = −

2a2 2b2 a2 b2 · εa + 2 · εb − 2 · ε1 + 2 · ε2 − ε3 . 2 2 2 −b a −b a −b a − b2

a2

asentieren die relativen Fehler in den EingabeDie Werte εa und εb repr¨ daten a und b und die Werte ε1 , ε2 und ε3 die relativen Fehler in den Berechnungen von a ·IM a, b ·IM b und a2 −IM b2 . c) Analysieren Sie auch die alternative Berechnungsmethode (a +IM b) ·IM (a −IM b). Vergleichen und diskutieren Sie die Ergebnisse. d) Welche Berechnungsmethode w¨ urden Sie empfehlen? Warum? ¨ Ubung 32 (Rechnergest¨ utzte Geometrie). Entwickeln Sie eine robuste Berechnungsmethode zur Entscheidung, welcher der zwei Punkte A und B n¨aher an der Geraden g liegt, siehe Abb. 8.1. Die Koordinaten der Punkte A = (ax , ay ) und B = (bx , by ) sowie die Darstellung der Geraden g mit mx + ny + t = 0 sei in Integer-Zahlen exakt gegeben, d.h. ax , ay , bx , by , m, n, t ∈ IMI . Wo liegen bei folgender, nahe liegender L“osung die methodischen Fehler und wie w¨ urden Sie diese ggf. beheben? 1. Aufstellen der Hesse-Normalform n ◦ (x − a) = 0 der Geraden g, Δ 2. Berechnung des Abstandes eines Punktes P durch d(P ) = n ◦ (p − a),

8 Aufgaben

95

A B g

0

Abb. 8.1. Die Abst¨ ande d(A) und d(B) werden miteinander verglichen um festzustellen, welcher Punkt n¨ aher an der Geraden g liegt.

3. Berechnung der Abst¨ ande d(A) und d(B) sowie 4. vergleichen der beiden Abst¨ ande d(A) und d(B). Hinweis: Rechnen Sie so lange wie m¨ oglich in exakter Darstellung mit angepasstem Datentyp und wechseln Sie erst dann in den Bereich der Gleitkommazahlen, wenn es nicht mehr anders m¨ oglich erscheint! ¨ Ubung 33 (Umformen). Entscheiden Sie, welche der folgenden Berechnungsmethoden

 a) 2 sin2 x2 = 1 − cos(x) f¨ ur x ≈ 0, x ur x > 0 und y > 0, b) log y = log(x) − log(y) f¨ c) f (x) = 1 + sin(x), d) f (x) = (x − 1)2 − (x + 1)2 f¨ ur x ≈ 0 sowie e) f (x) = exp(x) − 1 − x f¨ ur x ≈ 0 fehleranf¨ alliger sind, indem Sie 1. zun¨ achst die entsprechende Kondition bestimmen und dann 2. entscheiden, ob und ggf. unter welchen Bedingungen, die angegebene Berechnungsmethode numerisch stabil ist sowie 3. versuchen Sie ggf. eine numerische stabilere Berechnungsmethode anzugeben und schließlich 4. untersuchen Sie zus¨ atzlich noch den Fall exakter Eingabedaten. ¨ Ubung 34 (Vergleich von berechneten Gleitpunktzahlen).√Die Zahlen sin(π/4) und cos(π/4) sind beide gleich der irrationalen Zahl 2/2 und nicht exakt in einem Rechner darstellbar. Wie klein“ kann die Vergleichs” genauigkeit epsilon, gemessen in Maschinengenauigkeit ε, in der Anmerkung 36 gew¨ ahlt werden, um den Vergleich sin(π/4) == cos(π/4) sinnvoll zu implementieren?

96

8 Aufgaben

Δ ¨ Ubung 35 (Ableitung). Ersetzen Sie den Differentialoperator dx = d/dx 1 f¨ ur stetig differenzierbare Funktionen f ∈ C [0, 1] durch den Differenzenoperator Δhx mit Δ

Δhx f (x) =

f (x + h) − f (x) h

mit

h > 0.

Betrachten Sie der Einfachheit halber nur den Rundungsfehler, der durch die Differenz f (x + h) − f (x) entsteht und den Fehler, der durch die Diskretisierung, d.h. das Ersetzen des Differential- durch den Differenzenoperator, gemacht wird. Der resultierende Gesamtfehler fd setzt sich zusammen aus der Differenz −IM und der angen¨ aherten Ableitung Δhx und ist abh¨angig von der Schrittweite h. F¨ ur welche Schrittweite h ist der Gesamtfehler minimal? ¨ Uberpr¨ ufen Sie die Aussage durch ein Beispiel auf dem Rechnern. Hinweis: Analysieren Sie den Diskretisierungsfehler mit Hilfe der TaylorReihe f¨ ur f (x + h). Geben Sie auch die auftretenden Konstanten an! Der durch die Differenz verursachte Fehler sei gerade so groß wie die Maschinengenauigkeit ε. ¨ Ubung 36 (Numerische Berechnungsverfahren f¨ ur die trigonometrische Funktion sin). Vergleichen Sie die folgenden numerischen BerechΔ

ur x ∈ [0, π/2] unter den nungsmethoden f¨ ur die Funktion f (x) = sin(x) f¨ Aspekten: Kondition der Aufgabenstellung, numerische Stabilit¨at der Berechnungsmethoden, maximale relative Genauigkeit in Float-Genauigkeiten Δ float = 1.1921 · 10−7 sowie Anzahl der Rechenoperationen. 1. 2. 3. 4. 5.

Δ

lineare Approximation: a1 (x) = x, Δ kubische Approximation: a2 (x) = x − x3 /3!, Δ Approximation f¨ unfter Ordnung: a3 (x) = x − x3 /3! + x5 /5!, Δ Approximation siebter Ordnung: a4 (x) = x − x3 /3! + x5 /5! − x7 /7! und Approximation in einem Tricore-Prozessor der Firma Infineon mit der Δ Δ Substitution ξ = x/π und ξ ∈ [0, 1/2] im Horner-Schema: a5 (x) = ((((1.800293·ξ)+0.5446778)·ξ−5.325196)·ξ)+0.02026367)·ξ+3.140625)·ξ.

urden Sie f¨ ur Welche der f¨ unf Berechnungsmethoden ai mit i = 1, . . . , 5 w¨ welchen Anwendungsfall empfehlen? ¨ Ubung 37 (Bestimmung der Nullstellen kubischer Gleichungen). Wir betrachten das Polynom dritter Ordnung in der allgemeinen Form Δ

x3 + a x2 + b x + c = 0

(8.2)

mit den Koeffizienten a, b und c ∈ IR. Die Gleichung 8.2 wird mit der SubΔ stitution y = x + a/3 in die Normalform Δ

y3 + p y + q = 0

8 Aufgaben Δ

97

Δ

mit p = (3b − a2 )/3 und q = c + 2/27a3 − ab/3 u uhrt. Die Diskriminan¨ berf¨ Δ 3 2 te D = (p/3) + (q/2) legt die Vielfalt der Nullstellen fest: 1. D < 0: drei verschiedene reelle Nullstellen, 2. D = 0: drei reelle Nullstellen mit einer doppelten Nullstelle und 3. D > 0: eine reelle und zwei komplex-konjugierte Nullstellen.   √ √ Δ Δ Mit den Abk¨ urzungen u = 3 −q/2 + D und v = 3 −q/2 − D lauten die drei Nullstellen x1,2,3 ∈ IR lauten mit der Cardanoschen Berechnungsmethode Δ

x1 = −a/3 + u + v

und

√ x2,3 = −a/3 − (u + v)/2 ± ı 3(u − v)/2. Δ

Die drei verschiedenen

reellen Nullstellen im Fall D < 0 lauten insbesondere Δ mit cos φ = −q/(2 · (|p|/3)3 )

x1 = −a/3 + 2 |p|/3 cos(φ/3),

x2 = −a/3 − 2 |p|/3 cos((φ − π)/3) und

x2 = −a/3 − 2 |p|/3 cos((φ + π)/3). Diskutieren Sie die Cardanosche Berechnungsmethode f¨ ur die Bestimmung der Nullstellen unter den Aspekten: Kondition, numerische Stabilit¨at sowie Anzahl der Rechenoperationen. Hinweis: Bewerten Sie im Vorgriff auf Kapitel 22 eine numerische Berechnungsverfahren zur Bestimmung von Nullstellen einer kubischen Gleichung. ¨ Ubung 38 (Kondition der negativen Funktion). Zeigen Sie, dass ganz allgemein f¨ ur eine Berechnungsmethode y = f (x) gilt κ−f = κf . ¨ Ubung 39 (Diskussion der Kondition κ+ ). Die Kondition κ+ der Addition a + x kann laut Tabelle 7.1 f¨ ur a, x > 0 nach oben abgesch¨atzt werden durch      x   1  =  ≤ 1, κ+ =  a + x   xa + 1  d.h. der relative Rundungsfehler des Resultats ist kleiner als der relative Fehler in der Eingabe. Interpretieren Sie dieses Ergebnis! ¨ Ubung 40 (Konstante Kondition). Geben Sie alle Funktionen f (x) an, die f¨ ur alle Argumente x die konstante Kondition κf = k besitzen. Insbesondere: f¨ ur welche Funktion wird der Fehler in den Eingangsdaten u ¨ berhaupt nicht verst¨ arkt (k = 0)? Hinweis: Schlagen Sie die L¨ osung der Differentialgleichung y mit k ∈ IR y = k · x in einer Formelsammlung nach.

98

8 Aufgaben

¨ ¨ Ubung 41 (Kondition). Uberlegen Sie sich, warum die eingekreisten Stellen in Abb. 7.1 zu schlechter Kondition der Funktion f f¨ uhren und vergleichen Sie grob die zugeh¨ origen Konditionen. ¨ Ubung 42 (Berechnung des Kreismittelpunkts). Zeigen Sie: Die Berechnung der Koordinaten des Kreismittelpunkts M = (m1 , m2 ) eines Kreises (A, B, C), der durch drei vorgegebene Punkte A = (a1 , a2 ), B = (b1 , b2 ) und C = (c1 , c2 ) einer Ebene geht, ist genau dann schlecht konditioniert, wenn die drei Punkte A, B und C nahezu kollinear sind.

Teil III

Lineare Gleichungssyteme

9 L¨ osung Linearer Gleichungssysteme

Die L¨osung linearer Gleichungen ist eines der l¨astigsten Probleme ” des numerischen Rechnens, da die Schwierigkeit nicht prinzipieller Art ist, sondern erst durch die hohe Zahl von Gleichungen und Unbekannten entsteht“ Ewald Bodewig

9.1 Einleitung Lineare Gleichungen und Gleichungssysteme geh¨oren zu den elementarsten – zugleich aber auch zu den wichtigsten und in der Praxis wohl am h¨aufigsten auftretenden numerischen Problemen. Die Ermittlung der L¨ osung von zwei bzw. drei linearen Gleichungen mit zwei bzw. drei Unbekannten hat wohl jeder schon einmal per Hand errechnet. In diesem Kapitel untersuchen wir endlich viele lineare Gleichungen mit endlich vielen Unbekannten. Mit Hilfe des Matrixkalk¨ uls lassen sich Aussagen gewinnen u osbarkeit solcher Gleichungssysteme und u ¨ ber die L¨ ¨ ber die Anzahl der vorhandenen L¨ osungen (siehe Anhang B.1) und u ¨ber deren Ermittlung. Wir lernen als Berechnungsverfahren u.a. den Gauß’schen Algorithmus kennen, den Gauß mit dem Ziel der Landvermessung entwickelte und der seitdem erfolgreich eingesetzt wird. Zur Zeit der elektrischen Rechenmaschinen ben¨ otigte ein Rechner f¨ ur die L¨ osung eines Gleichungssystems aus 17 bis 20 Gleichungen mit ebenso vielen Unbekannten etwa drei Wochen. Die Hilfsmittel der Rechentechnik gestatten heute die L¨osung von Systemen mit hunderttausend und mehr Gleichungen und entsprechend vielen Unbekannten. Die existierenden L¨ osungsverfahren lassen sich in zwei Klassen einteilen: 1. direkte Verfahren, die nach endlich vielen Operationen die L¨osung liefern, evtl. mit Rundungsfehlern behaftet (diese wollen wir in diesem Kapitel untersuchen), und

102

9 L¨ osung Linearer Gleichungssysteme

2. iterative Verfahren, die beginnend mit einer Anfangsn¨aherung nach einer Anzahl von Iterationsschritten eine verbesserte N¨aherungsl¨osung bereitstellen (siehe Kapitel 23). Bei den Verfahren der ersten Klasse stellt sich die Frage nach den ben¨otigten Rechenoperationen und der Rechengenauigkeit, w¨ahrend in der zweiten Klasse interessiert, wie hoch die Konvergenzgeschwindigkeit und wie teuer ein Iterationsschritt ist. H¨ aufig werden Verfahren der ersten Klasse mit einem Verfahren der zweiten Klasse kombiniert, um die im direkten L¨osungsverfahren aufgetretenen Rundungs- und Rechenfehler durch einen nachgeschalteten iterativen L¨ oser zu verringern. Lineare Gleichungssysteme treten u ¨berall in den Anwendungen in Physik, Technik, Betriebswirtschaftslehre usw. auf; sie begegnen uns z.B. in der Statik bei der Berechnung statisch unbestimmter Systeme, in der Elektrotechnik bei der Berechnung von Netzwerken und bei der Behandlung von Eigenwertproblemen der mathematischen Physik. Auch andere Bereiche der numerischen Mathematik beruhen auf der L¨ osung linearer Gleichungssysteme, so z.B. das Newton-Verfahren (Kapitel 22), die Methode der kleinsten Quadrate von Gauß (Kapitel 10) und die L¨ osung partieller Differentialgleichungen (Kapitel 27). Stellvertretend f¨ ur all diese Bereiche w¨ ahlen wir den Bereich Elektrotechnik, der im Zusammenhang mit der Entwicklung von Mikrochips auch f¨ ur die Informatik wichtig ist, und bringen das Beispiel 23. Wir betrachten die Schaltung aus Abb. 9.1, die aus sogenannten Maschen besteht. Wir interessieren uns f¨ ur die Stromst¨ arken I1 , . . . , I6 , wenn wir an den Stromkreis mit den Widerst¨ anden R1 , . . . , R6 die Spannung U anlegen. Um die Stromst¨ arkenverteilung in Beispiel 23 berechnen zu k¨onnen, stellen wir zun¨ achst ein lineares Gleichungssystem auf. Dazu benutzen wir einerseits das Ohm’sche Gesetz U = R · I f¨ ur jeden Widerstand und andererseits die zwei Kirchhoff ’schen Regeln: 1. An jedem Verzweigungspunkt (Knoten) mehrerer Leiter ist die Summe der zufließenden elektrischen Str¨ome gleich der Summe der abfließenden. F¨ ur die vier Knoten A, B, C und D aus Abb. 9.1 gilt daher I: II: III: IV:

(A) (B) (C) (D)

I1 + I4 I2 + I5 I2 + I6 I4 + I6

= = = =

I3 , I3 , I1 und I5 .

(9.1)

2. In jedem beliebig herausgegriffenen, in sich geschlossenen Stromkreis (Masche) einer elektrischen Schaltung (Netzwerk) ist die Summe der elektrischen Spannungsabf¨alle in den einzelnen Zweigen gleich der Summe

9.1 Einleitung

I1

103

C U

R1

R2 I2 B

R3

A I3

R6

I5 I6 R5

R4 I4

D

Abb. 9.1. Stromkreis mit Ohm’schen Widerst¨ anden in Reihen- und Parallelschaltung.

der in diesem Stromkreis vorhandenen Quellenspannungen. F¨ ur die vier Maschen aus Abb. 9.1 gilt daher V: VI: VII: VIII:

(ADC) (BCD) (ABD) (ABC)

R1 · I1 − R4 · I4 + R6 · I6 R2 · I2 − R5 · I5 − R6 · I6 R3 · I3 + R4 · I4 + R5 · I5 R1 · I1 + R2 · I2 + R3 · I3

= U, = 0, = 0 und = U.

(9.2)

F¨ ur die sechs unbekannten Stromst¨ arken I1 , . . . , I6 ergibt sich aus den Gleichungen (9.1) und (9.2) das lineare Gleichungssystem in Matrizenschreibweise ⎛ ⎞ ⎛ ⎞ 0 1 0 −1 1 0 0 ⎛ ⎞ ⎟ ⎜ ⎜ 0 −1 1 0 −1 0 ⎟ I 1 ⎜0⎟ ⎜ ⎟ ⎜ −1 1 0 0 ⎟ ⎜ I2 ⎟ ⎜ 0 ⎟ 0 1 ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 0 0 0 −1 1 −1 ⎟ ⎜ I3 ⎟ ⎜ 0 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ (9.3) ⎜ R1 0 0 −R4 0 R6 ⎟ · ⎜ I4 ⎟ = ⎜ U ⎟ . ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 0 R2 0 0 −R5 −R6 ⎟ ⎝ I5 ⎠ ⎜ 0 ⎟ ⎜ ⎟ ⎜ ⎟ ⎝0⎠ ⎝ 0 0 R3 R4 R5 0 ⎠ I6 U R1 R2 R3 0 0 0 Das sind acht Gleichungen f¨ ur sechs Unbekannte, von denen wegen (IV) = −((I) + (II) + (III)), bzw. (VIII) = (V) + (VI) + (VII)

(9.4)

zwei Gleichungen keine weiteren Einschr¨ ankungen liefern und weggelassen werden k¨ onnen. Schließlich erhalten wir daher sechs unabh¨angige Gleichungen f¨ ur die sechs unbekannten Str¨ ome I1 , . . . , I6 bei bekannten Widerst¨anden R1 , . . . , R6 und bekannter Spannung U .

104

9 L¨ osung Linearer Gleichungssysteme

Damit haben wir das urspr¨ ungliche Problem aus Beispiel 23 in einen mathematischen Formalismus gepackt und m¨ ussen f¨ ur ein aus sechs linearen Gleichungen in Matrixform (9.3) gegebenes Gleichungssystem die Unbekannten I1 , . . . , I6 bestimmen. Wie wir ein solches System aufl¨osen, wollen wir im Folgenden vorstellen. Theoretische Betrachtungen zu linearen Gleichungssystemen und Eigenschaften von Vektoren und Matrizen finden sich im Anhang B.1. Im n¨ achsten Abschnitt betrachten wir eine Teilklasse von Systemen von linearen Gleichungen, die sehr anschaulich zu l¨osen sind: Dreiecksgleichungssysteme. Den allgemeinen Fall f¨ uhren wir in Abschn. 9.3 auf die L¨osung von Dreiecksgleichungssystemen zur¨ uck.

9.2 Aufl¨ osen von Dreiecksgleichungssystemen Wir betrachten das Beispiel 24. Gegeben sei das Gleichungssystem 10x1 − 7x2 + 0x3 = 7 2.5x2 + 5x3 = 2.5 6.2x3 = 6.2

(9.5)

oder in Matrixschreibweise ⎛ ⎞⎛ ⎞ ⎛ ⎞ 10 −7 0 x1 7 ⎝ 0 2.5 5 ⎠ ⎝ x2 ⎠ = ⎝ 2.5 ⎠ . 0 0 6.2 x3 6.2

(9.6)

Wegen der Dreiecksform l¨ asst sich das Gleichungssystem (9.6) trivial von unten her aufl¨ osen, indem man zun¨ achst x3 aus der letzten Gleichung bestimmt, x3 = 6.2/6.2 = 1. Da x3 bereits berechnet ist, liefert die zweite Gleichung aus (9.6) die Bedingung, mit der wir x2 bestimmen k¨ onnen: 2.5x2 = 2.5 − 5x3 = −2.5,

und somit x2 = −1.

Setzen wir die schon bekannten Werte f¨ ur x2 und x3 in die oberste Zeile ein, so ergibt sich 10x1 = 7 + 7x2 = 7 − 7 = 0,

oder

Damit ist der L¨ osungsvektor f¨ ur Beispiel 24

x1 = 0.

9.2 Au߬ osen von Dreiecksgleichungssystemen

⎛

⎞

⎛

105

⎞

x1 0 ⎝ x2 ⎠ = ⎝ −1 ⎠ x3 1 gefunden. Die Grundidee dieser L¨ osungsmethode ist, dass wir bereits berechnete L¨ osungskomponenten xi+1 , . . . , xn in noch nicht verwertete Gleichungen einsetzen, um Bedingungen zu erhalten, die nur noch eine unbekannte Komponente xi enthalten. Bei diesem sukzessiven Vorgehen kommt uns die Dreiecksstruktur entgegen, da wir die letzte Unbekannte xn aus der letzten Zeile berechnen und uns dann von Zeile zu Zeile nach oben hoch arbeiten k¨onnen. Wir fassen das eben beschriebene Vorgehen allgemein zusammen in folgendem Algorithmus: Wir l¨ osen das Gleichungssystem, das durch die obere Dreiecksmatrix ⎛ ⎞⎛ ⎞ ⎛ ⎞ a11 a12 · · · a1n x1 b1 ⎜ ⎟ ⎜ x2 ⎟ ⎜ b2 ⎟ a · · · a 22 2n ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎜ . ⎟=⎜ . ⎟ . . .. ⎟ ⎝ . . ⎠ ⎝ .. ⎠ ⎝ .. ⎠ ann

xn

bn

mit aii = 0, i = 1, . . . , n, gegeben ist, indem wir zun¨achst xn = berechnen und dann schrittweise n bi − j=i+1 aij xj xi = aii

bn , ann

i = n − 1, n − 2, . . . , 1.

f¨ ur

Analog k¨ onnen wir untere Dreiecksmatrizen, bzw. Dreiecksgleichungssysteme der Form ⎞⎛ ⎞ ⎛ ⎞ ⎛ x1 b1 a11 ⎟ ⎜ x2 ⎟ ⎜ b2 ⎟ ⎜ a21 a22 ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ .. ⎟ = ⎜ .. ⎟ ⎜ .. .. ⎠⎝ . ⎠ ⎝ . ⎠ ⎝ . . an1 · · ·

ann

xn

bn

von oben her au߬ osen mittels x1 = xi =

bi −

i−1 j=1

aii

b1 , a11

aij xj

f¨ ur i = 2, 3, . . . , n.

Anmerkung 44. Die Elemente aii , i = 1, ..., n, bilden die Hauptdiagonale der Matrix A. Ist einer der Hauptdiagonaleintr¨ age aii gleich Null, so ist das Gleichungssystem nicht eindeutig l¨ osbar und die Determinante der dazugeh¨origen Matrix ist gleich Null.

106

9 L¨ osung Linearer Gleichungssysteme

9.3 Gauß-Elimination In Abschnitt 9.2 haben wir gelernt, Dreiecksgleichungssysteme effektiv zu l¨ osen. Es liegt daher nahe, die Behandlung allgemeiner quadratischer Systeme auf diesen einfacheren Fall zur¨ uckzuf¨ uhren. Das Verfahren erl¨autern wir an dem einfachen Beispiel 25. 10x1 −7x2 = 7, −3x1 +2x2 +6x3 = 4 5x1 −x2 +5x3 = 6 oder in Matrixschreibweise ⎞⎛ ⎞ ⎛ ⎞ ⎛ x1 7 10 −7 0 ⎝ −3 2 6 ⎠ ⎝ x2 ⎠ = ⎝ 4 ⎠ . 5 −1 5 x3 6 Wir wollen schrittweise zu ¨ aquivalenten, einfacheren Gleichungssystemen u osung besitzen. Ziel ist es dabei, das ¨ bergehen, die jeweils genau dieselbe L¨ Gleichungssystem bzw. die Matrix beginnend mit der ersten Spalte auf Dreiecksgestalt zu bringen. Folgende Umformungen, die die L¨ osung offensichtlich nicht ver¨andern, sind erlaubt: 1. Multiplizieren einer Zeile (Gleichung) mit einer Zahl verschieden von Null; 2. Addieren eines Vielfachen einer Zeile (Gleichung) zu einer anderen Zeile; 3. Vertauschen von Zeilen bzw. Spalten (Vertauschen von Gleichungen bzw. Umnummerierung von Unbekannten). Dabei ist zu beachten, daß diese Operationen nicht nur an der Matrix, sondern eventuell auch an dem Vektor der rechten Seite b, bzw. an dem L¨ osungsvektor x, durchzuf¨ uhren sind. Vertauschen wir z.B. in der Matrix die Spalten i und j, so sind in dem L¨ osungsvektor entsprechend die Komponenten xi und xj zu vertauschen. Um das Gleichungssystem auf Dreiecksgestalt zu bringen, m¨ ussen in der ersten Spalte unterhalb der Diagonalen Nullen erzeugt werden. Dies wird erreicht, indem man passende Vielfache der ersten Zeile (Gleichung) von den unteren Zeilen abzieht (Umformungsregel 2). Um z.B. das Element a21 zu eliminieren, muss das (−3)/10-fache der ersten Zeile von der zweiten Zeile subtrahiert werden. Dies f¨ uhrt auf das ¨ aquivalente System ⎞ ⎛ ⎞⎛ ⎞ ⎛ 7 10 −7 0 x1 ⎝ 0 −0.1 6 ⎠ ⎝ x2 ⎠ = ⎝ 6.1 ⎠ . x3 6 5 −1 5 Eliminieren wir a31 durch Subtrahieren des 5/10-fachen der ersten Zeile, so ergeben sich die neuen Gleichungen

9.3 Gauß-Elimination

⎛

⎞⎛

⎞

⎛

107

⎞

10 −7 0 x1 7 ⎝ 0 −0.1 6 ⎠ ⎝ x2 ⎠ = ⎝ 6.1 ⎠ . x3 0 2.5 5 2.5 Um vollst¨ andige Dreiecksform zu erhalten, ist noch a32 zu bearbeiten. Dazu subtrahieren wir das 2.5/(−0.1)-fache der aktuellen zweiten Zeile von der neuen dritten Zeile. Insgesamt haben wir damit das Ausgangssystem auf obere Dreiecksform gebracht: ⎛ ⎞ ⎞⎛ ⎞ ⎛ 7 10 −7 0 x1 ⎝ 0 −0.1 6 ⎠ ⎝ x2 ⎠ = ⎝ 6.1 ⎠ . x3 155 0 0 155 Das so erzeugte System kann in dieser Form wie im vorherigen Abschnitt gezeigt von unten her gel¨ ost werden. Bei dieser Transformation kann eine zus¨ atzliche Schwierigkeit auftreten, die uns dazu zwingt, das oben beschriebene Verfahren zu modifizieren. Geben wir n¨ amlich im urspr¨ unglichen System dem Element a22 den Wert 2.1 anstelle von 2, so ist nach Bearbeitung der ersten Spalte der neue Eintrag an dieser Stelle 0 (anstelle von −0.1), und f¨ uhrt auf ⎞⎛ ⎞ ⎛ ⎞ ⎛ x1 7 10 −7 0 ⎝ 0 0 6 ⎠ ⎝ x2 ⎠ = ⎝ 6.1 ⎠ . 0 2.5 5 x3 2.5 In dieser Form ist es unm¨ oglich, unter Benutzung von a22 durch ein passendes Vielfaches der zweiten Zeile die Dreiecksgestalt zu erreichen. Abhilfe schafft hier die Ver¨ anderung der Reihenfolge der Gleichungen, indem die zweite mit der dritten Zeile vertauscht wird; die L¨osung des Gleichungssystems ist davon nicht betroffen und bleibt unver¨ andert (Umformungsregel 3). Auch in der urspr¨ unglichen Form von Beispiel 25 ist es aus numerischen Erw¨ agungen heraus vern¨ unftiger, nicht mit der kleinen Zahl 0.1 die anderen Eintr¨ age zu eliminieren, sondern auch schon durch Zeilentausch eine gr¨oßere Zahl an die Stelle a22 zu schaffen. Denn in Kapitel 7 haben wir gezeigt, dass große Zwischenwerte – in obigen Beispiel der Wert 155 an der Position a33 – darauf hindeuten, dass es sich um einen numerisch instabilen Algorithmus handelt. Um an der Diagonalposition ein m¨ oglichst betragsgroßes Element zu erhalten, k¨ onnen wir alle Eintr¨ age in dieser Spalte unterhalb des Diagonaleintrags vergleichen, und die Zeile mit dem betragsgr¨oßten Eintrag mit der aktuellen Zeile vertauschen. Dieser Vorgang wird als Pivotsuche1 bezeichnet. In obigen Fall spricht man von Spalten-Pivotsuche, da wir das betragsgr¨oßte Element einer Spalte suchen. Anmerkung 45. Analog sind dann Zeilen-Pivotsuche bzw. Total-Pivotsuche zu verstehen. Hierbei werden dann auch Spalten, bzw. Zeilen und Spalten 1

Pivot bezeichnet im Franz¨ osischen: Nabe, Angelpunkt

108

9 L¨ osung Linearer Gleichungssysteme

vertauscht; Spaltentausch entspricht einer Umnummerierung der Unbekannten, die dann in dem letztlich erhaltenen L¨ osungsvektor ber¨ ucksichtigt werden muss. Das heißt, die Spaltenvertauschungen m¨ ussen gespeichert werden, und am Schluss entsprechend die Komponenten von x wieder in die richtige Reihenfolge gebracht werden. Die ausgew¨ ahlten betragsgr¨oßten Elemente, die an die Diagonalposition gesetzt werden, heißen Pivotelemente. Man beachte dabei, daß Total-Pivotsuche wesentlich aufw¨andiger ist, w¨ahrend die Spaltenpivotsuche einfach und in den meisten F¨allen auch ausreichend ist. Total-Pivotsuche empfiehlt sich nur in extremen F¨allen, wenn die Matrixelemente von extrem unterschiedlicher Gr¨ oßenordnung sind, oder die Matrix fast singul¨ ar ist. In solchen F¨ allen wendet man aber meist nicht mehr GaußElimination an, sondern die QR-Zerlegung, die wir in Kapitel 10.2 kennen lernen werden. Nach der Bearbeitung der ersten Spalte wird in der zweiten Spalte die Pivotsuche durchgef¨ uhrt; nach entsprechender Vertauschung der zweiten und dritten Zeile folgt ⎞⎛ ⎞ ⎛ ⎛ ⎞ x1 10 −7 0 7 ⎝ 0 2.5 5 ⎠ ⎝ x2 ⎠ = ⎝ 2.5 ⎠ 0 −0.1 6 x3 6.1 und damit die Dreicksgestalt ⎛ ⎞ ⎞⎛ ⎞ ⎛ 10 −7 0 7 x1 ⎝ 0 2.5 5 ⎠ ⎝ x2 ⎠ = ⎝ 2.5 ⎠ x3 6.2 0 0 6.2 mit der L¨ osung (0, −1, 1). Allgemein l¨ asst sich die Umwandlung eines Gleichungssystems in Dreiecksform mit Spalten-Pivotsuche beschreiben durch den Algorithmus: FOR k = 1,...,n-1: # k durchlaeuft Spalten alpha = |a[k,k]|; j = k; FOR s = k+1,...,n: # Spalten-Pivotsuche IF |a[s,k]| > alpha THEN alpha = |a[s,k]|; j = s; ENDIF ENDFOR FOR i = k,...,n: # Zeilen vertauschen alpha = a[k,i]; a[k,i] = a[j,i]; a[j,i] = alpha; ENDFOR alpha = b[j]; b[j] = b[k]; b[k] = alpha; FOR s = k+1,...n: l[s,k] = a[s,k]/a[k,k]; b[s] = b[s] - l[s,k] * b[k]; # Eliminierungsfaktor und rechte Seite bearbeiten

9.4 Gauß-Elimination und LU -Zerlegung

109

FOR i = k+1,...,n: a[s,i] = a[s,i] - l[s,k] * a[k,i]; # Zeilenmanipulation ENDFOR ENDFOR ENDFOR Anmerkung 46. Die beiden inneren Schleifen in s und i beginnen jeweils mit dem Index k + 1, da die Zeilen 1 bis k nicht mehr ver¨andert werden m¨ ussen; weiterhin werden in der k-ten Spalte Nullen erzeugt, die daher nicht berechnet und gespeichert werden m¨ ussen. Anmerkung 47 (Gauß-Elimination). Dieses L¨ osungsverfahren wurde in voller Allgemeinheit erstmals wohl 1810 von C.F.Gauß angegeben in seiner Arbeit Disquisitio de elementis ellipticis Palladis ex oppositionibus annorum ” 1803, 1804, 1805, 1807, 1808, 1809“ u ¨ ber die St¨orungen der Pallas, einer der hellsten und gr¨ oßten Planetoiden. Allerdings wurde bereits in Neun B¨ ucher ” u ¨ ber die Kunst der Mathematik“ (202–200 v. Chr.) in China w¨ahrend der Han-Dynastie die L¨ osung von Gleichungssystemen mittels Umformung der Koeffizientenmatrix beschrieben.

9.4 Gauß-Elimination und LU -Zerlegung Wir wollen die in der Gauß-Elimination ausgef¨ uhrten Rechnungen genauer analysieren und f¨ uhren folgende Definitionen ein: Definition 22. Mit Ak bezeichnen wir die Matrix, die wir nach dem (k − 1)ten Eliminationsschritt erhalten. Insbesondere gilt A1 = A. Die Matrix An = U , die sich nach n − 1 Schritten ergibt, hat somit obere Dreiecksgestalt. Die Matrix L bezeichne die untere Dreicksmatrix mit 1 auf der Diagonalen und den Eintr¨agen lsk wie im obigen Programm berechnet: ⎛ ⎞ 1 0 ··· 0 ⎜ ⎟ . . ⎜ l2,1 . . . . ⎟ ⎜ ⎟ ⎜ .. . . ⎟ . .. . ⎜ . ⎟ . . . 1 ⎜ ⎟. L := ⎜ . ⎟ ⎜ .. ⎟ lk+1,k 1 0 ⎜ ⎟ ⎜ . ⎟ .. . . .. ⎝ .. ⎠ . . . ln,1 · · · ln,k · · · ln,n−1 1 ¨ Ahnlich definieren wir die Matrizen

110

9 L¨ osung Linearer Gleichungssysteme

⎛ ⎜ ⎜ ⎜ ⎜ Lk := ⎜ ⎜ ⎜ ⎜ ⎝

0

0 ..

. 0 lk+1,k 0 .. .. . . ln,k 0

⎞ ⎟ ⎟ ⎟ ⎟ ⎟, ⎟ ⎟ ⎟ ⎠

f¨ ur k = 1, . . . , n − 1.

Weiterhin sei P eine Permutationsmatrix, die die bei der Spalten-Pivotsuche vorgenommenen Vertauschungen enth¨alt. Im Folgenden beschr¨ anken wir uns zun¨ achst auf das Verfahren der GaußElimination ohne Pivotsuche. Dann kann der k-te Schritt dieses Verfahrens als ein Produkt zwischen der aktuellen Matrix Ak und der Matrix I − Lk geschrieben werden: Ak+1 = (I − Lk )Ak . Dabei bezeichnet I die Einheitsuhrt z.B. der erste Schritt der matrix (siehe Anhang B.1). Mit A1 = A f¨ Gauß-Elimination auf die Matrix A2 = (I − L1 )A1 = A1 − L1 A1 ; dabei enth¨ alt L1 A1 genau die Terme, die bei der Eliminierung der ersten Spalte abgezogen werden m¨ ussen. Formal k¨ onnen wir nun alle Eliminationsschritte durch Matrizenprodukte beschreiben in der Form ˜ L

U = An = (I − Ln−1 )An−1

   ˜ = · · · = (I − Ln−1 ) · · · (I − L1 ) A1 = LA

und definieren dabei ˜ := (I − Ln−1 ) · · · (I − L2 )(I − L1 ). L ur i ≤ j, da bei der Berechnung der einzelnen Weiterhin gilt Li Lj = 0 f¨ Eintr¨ age dieser Matrix in jedem auftretenden Term stets ein Faktor Null vorkommt. Daher folgt (I − Lj )(I + Lj ) = I − Lj + Lj − Lj Lj = I, also ˜ −1 = (I + L1 ) · · · (I + Ln−1 ) zu (I − Lj )−1 = I + Lj . Um die Inverse L berechnen, schließen wir mittels (I + L1 )(I + L2 ) = I + L1 + L2 + L1 L2 = I + L1 + L2 , und damit ˜ −1 = (I + L1 )(I + L2 ) · · · (I + Ln−1 ) = I + L1 + L2 + . . . + Ln−1 = L. L ˜ = U die Gleichung Zusammenfassend erhalten wir so aus LA A = LU. Ber¨ ucksichtigen wir nun wieder die im allgemeinen Fall wegen der SpaltenPivotsuche auftretenden Permutationen, so bekommen wir nicht die LU -Faktorisierung von A selbst, sondern von der permutierten Matrix A, also

9.5 Kondition eines linearen Gleichungssystems

111

P A = LU. Vertauschungen bei der Pivotsuche m¨ ussen auch in L mitber¨ ucksichtigt werden. Um Speicherplatz zu sparen, werden oft an den freiwerdenden Unterdiagonalstellen von A, die eigentlich Null werden, die entsprechenden Unterdiagonaleintr¨ age von L gespeichert, die sowieso von dem Programm berechnet werden. Das Beispiel 25 liefert die LU -Zerlegung ⎞ ⎞⎛ ⎞ ⎛ ⎞⎛ ⎛ 10 −7 0 1 0 0 10 −7 0 100 ⎝ 0 0 1 ⎠ ⎝ −3 2 6 ⎠ = ⎝ 0.5 1 0 ⎠ ⎝ 0 2.5 5 ⎠ . 0 0 6.2 −0.3 −0.04 1 5 −1 5 010 Diese Formel betrifft nur A und kann im Folgenden dazu benutzt werden, jedes weitere Gleichungssystem mit derselben Matrix A unmittelbar zu l¨osen. Dazu berechnen wir zun¨ achst y aus dem unteren Dreiecksgleichungssystem in L und danach x aus dem oberen Dreiecksgleichungssystem in U : Ax = P T L U x = b

=⇒

1. Ly = P b

und 2. U x = y.

Die Multiplikation mit P T entspricht genau der Permutation, die die vorherige Vertauschung durch P r¨ uckg¨ angig macht (Anhang B.3). Anmerkung 48. Meist ist es unn¨ otig, die Inverse A−1 zu berechnen, da mittels −1 L und U jeder Vektor A b = U −1 L−1 P b effizient berechenbar ist.

9.5 Kondition eines linearen Gleichungssystems Gesucht ist die L¨ osung eines linearen Gleichungssystems Ax = b. Durch den begrenzten Zahlbereich verf¨ ugen wir nur u ¨ ber ungenaue Eingangsdaten, d.h. die rechte Seite des Gleichungssystems stimmt nicht mit den echten Werten ˜ = ˜b. Der Einfachheit halber u osen ein ver¨ andertes System Ax ¨ berein; wir l¨ gehen wir davon aus, dass die Eintr¨ age von A Maschinenzahlen sind und im Verlauf der Berechnung keine Rechenfehler auftreten. Wir wollen bestimmen, wie weit sich durch eine Abweichung in b die L¨osung ver¨andern kann. Wir setzen x˜ = x + Δx und ˜b = b + Δb mit kleinem Δb. Diese Gr¨oßen erf¨ ullen die Gleichungen Ax = b und A˜ x = A(x + Δx) = b + Δb = ˜b, oder AΔx = Δb. Damit erhalten wir die Ungleichungen (siehe Anhang B.2 f¨ ur Eigenschaften von Matrix- und Vektornormen) Δx2 = A−1 Δb2 ≤ A−1 2 Δb2 und b2 = Ax2 ≤ A2 x2 . Die Kombination dieser Ungleichungen ergibt

112

9 L¨ osung Linearer Gleichungssysteme

 Δb2

Δx2 ≤ A−1 2 A2 . x2 b2 Dadurch wird der relative Fehler der Eingangsdaten verkn¨ upft mit dem relativen Fehler der L¨ osung. Der Fehler wird dabei in einer Vektornorm gemessen. Ist der Ausdruck κ(A) = A−1 2 A2

(9.7)

klein, so k¨ onnen bez¨ uglich der euklid’schen Vektornorm kleine Eingangsfehler auch nur zu kleinen Ausgangsfehlern f¨ uhren. Ist κ(A) groß, ist stets damit zu rechnen, dass kleine Fehler in den Eingangsdaten zu großen Fehlern in der L¨ osung f¨ uhren. Die Gr¨ oße κ(A) heißt Kondition der Matrix A bez¨ uglich der ¨ euklid’schen Norm und gibt an, wie sensibel die L¨osung auf kleine Anderungen in den Eingangsdaten reagiert. Man beachte, dass sich der relative Fehler auf den Gesamtvektor bezieht. Der relative Fehler einer einzelnen Komponente kann sehr groß sein, ohne den Gesamtvektor stark zu beeinflussen. Die Vektoren (10−16 , 1)T und (0, 1)T sind fast ununterscheidbar, w¨ ahrend die ersten Komponenten dieser Vektoren eine sehr große relative Abweichung aufweisen. Beispiel 26. Wir wollen zeigen, dass die Matrix  9   −9  10 0 10 0 −1 , mit A = A= 0 1 0 1 schlecht konditioniert ist. Als Normen ergeben sich A2 = 1 und A−1 2 = 109 , und damit κ(A) = 9 10 . Aus kleinen St¨ orungen   Δb1 Δb2 werden Fehler in der L¨ osung     9   Δb1 10 Δb1 Δx1 = A−1 = . Δx2 Δb2 Δb2 Ein Fehler in der ersten Komponente von b wirkt sich verst¨arkt mit dem Faktor 109 in der ersten Komponente von x aus! F¨ ur die Wahl Δb2 = 0, b1 = 10−9 , b2 = 1 folgt

    9 1 10 Δb1 , Δb2 = |Δb1 |. x= , Δx = 0 1

Durch Einsetzen kann man nachpr¨ ufen, dass sich aus den obigen Beziehungen die Gleichung

9.6 Kosten der Gauß-Elimination

Δx2 = 109 x2



113

1 + 10−18 Δb2 2 b2

ergibt. Dieses Zahlenbeispiel zeigt, dass der relative Fehler sich tats¨achlich in der Gr¨ oßenordnung der Kondition verschlechtern kann. Anmerkung 49. Eine wichtige Rolle spielt die Klasse der reellen Matrizen mit Kondition 1, die orthogonalen Matrizen Q mit Q−1 = QT oder QT Q = I. Dann ist Qx22 = xT QT Qx = xT x = x22 und daher Q2 = Q−1 2 = 1 (siehe Anhang B.3). Nach Anmerkung 49 verschlechtern Operationen mit orthogonalen Matrizen die Kondition einer Matrix nicht. Viele numerisch stabile Algorithmen basieren auf der Verwendung solcher orthogonaler Matrizen (siehe z.B. Kapitel 10.2).

9.6 Kosten der Gauß-Elimination Wir wollen die Zahl der Operationen bestimmen, die der Gauß-Algorithmus ben¨ otigt, um die gew¨ unschte L¨ osung zu berechnen. Zun¨achst betrachten wir die Aufl¨ osung des oberen Dreiecksgleichungssystems n bi − j=i+1 aij xj bn xi = fu ¨r i = n − 1, . . . , 1 . xn = ann aii oder als Programm formuliert FOR i = n, ..., 1: x[i] = b[i]; FOR j = i+1, ..., n: x[i] = x[i] - a[ij] x[j]; ENDFOR x[i] = x[i] / a[ii]; ENDFOR In jedem Schritt fallen an: eine Division, n − i Additionen und n − i Multiplikationen. Daraus resultieren insgesamt: n Divisionen und n−1 

n−1 

i=1

j=1

(n−i) =

j=

n2 n n(n − 1) = − 2 2 2

Additionen, bzw. Multiplikationen.

Vernachl¨ assigen wir in dieser Formel den Term n/2 gegen¨ uber dem wesentlich gr¨ oßeren Term n2 /2, so spricht man davon, dass dieser Algorithmus im Wesentlichen n2 /2 flop’s ben¨ otigt. Dabei steht flop f¨ ur floating-point ope” ration“ und bezeichnet Addition, Subtraktion, Multiplikation oder Division. Mit Hilfe der Landau-Notation (siehe Anhang A.2) schreiben wir auch, dass

114

9 L¨ osung Linearer Gleichungssysteme

das Aufl¨ osen eines Dreiecksgleichungssystems in n2 /2 + O(n) = O(n2 ) flop’s durchgef¨ uhrt werden kann. Wir k¨ onnen die Kosten auch durch den Algorithmus selbst berechnen lassen, indem wir nur die Schleifenstruktur beibehalten und das Programm zu einem einfachen Z¨ ahlverfahren umbauen: add = div = mult = 0; FOR i = n,...1: FOR j = i+1,...,n: add = add+1; mult = mult+1; ENDFOR div = div+1; ENDFOR Die Zahl der Additionen, die der urspr¨ ungliche Algorithmus ben¨otigt, erhalten wir, indem wir die FOR-Schleifen durch entsprechende Summen ersetzen: add =

n 1  

1=

i=n j=i+1

1 

(n − i) =

i=n

n−1 

k=

k=1

n2 n(n − 1) = + O(n). 2 2

Wenden wir uns nun dem eigentlichen Verfahren der Gauß-Elimination zu. Hier besteht der k-te Schritt im Wesentlichen aus Berechnungen der Form aij = aij − lik akj , die f¨ ur die Indizes von i, j = k + 1, . . . , n durchzuf¨ uhren sind. Das sind (n − k)2 Additionen und genauso viele Multiplikationen. Insgesamt ben¨otigt das Verfahren der Gauß-Elimination zur L¨ osung eines linearen Gleichungssystems daher 2

n−1 

n−1 

k=1

j=1

(n − k)2 = 2

j2 =

2n3 2(n − 1)n(2n − 1) = + O(n2 ) flop’s. 6 3

10 Lineare Ausgleichsrechnung

”

If you don’t read poetry how the hell can you solve equations?“ Harvey Jackins

In der Praxis liegen h¨ aufig nicht-quadratische Gleichungssysteme vor. So spricht man von einem u ¨ berbestimmten System, falls mehr Gleichungen als Unbekannte gegeben sind, bzw. von einem unterbestimmten System, wenn der umgekehrte Fall vorliegt. In diesen F¨ allen existiert keine eindeutige L¨osung mehr. Dasselbe Verhalten kann auch im quadratischen Fall eintreten, wenn die n × n-Matrix nicht vollen Rang n hat, bzw. singul¨ar ist. In diesem Abschnitt wollen wir zeigen, wie sich allgemeine Gleichungssysteme auf quadratische, regul¨ are Probleme zur¨ uckf¨ uhren lassen, und entsprechende L¨osungsverfahren beschreiben.

10.1 Methode der kleinsten Quadrate Im Kapitel 9 haben wir gesehen, wie lineare Gleichungssysteme zu l¨osen sind, wenn die Anzahl der Bedingungen (= Gleichungen) mit der Anzahl der Unbekannten u aren n × n-Matrix f¨ uhrt. Liegen ¨bereinstimmt und zu einer regul¨ mehr Unbekannte als Gleichungen vor, so ist das Gleichungssystem unterbestimmt und, wenn es u osbar ist, so hat es unendlich viele L¨osungen ¨ berhaupt l¨ (vgl. Anhang B.1). In diesem Kapitel sind wir an dem umgekehrten Fall interessiert, n¨amlich dass das gegebene Gleichungssystem u ¨berbestimmt ist. Zu der Aufgabe Ax ” soll gleich b sein“ geh¨ ort dann eine m × n-Matrix A mit m > n und dieses Problem ist i.Allg. nicht l¨ osbar. Wir nehmen aber an, dass A vollen Rang hat: rang(A) = n = min{n, m}. In diesem Fall wollen wir die gestellte Aufgabe wenigstens so gut wie m¨ oglich l¨ osen. Das l¨ asst sich erreichen, indem man zumindest den Abstand Ax − b bez¨ uglich der euklid’schen Norm minimiert min Ax − b2 . x

Wir verwenden hier die euklid’sche Norm, da sie zu einer Minimierungsaufgabe mit einer differenzierbaren Funktion f¨ uhrt.

116

10 Lineare Ausgleichsrechnung

Um die anfallenden Rechnungen zu vereinfachen, gehen wir zu der quadrierten Funktion u ¨ ber und definieren f (x1 , . . . , xn ) = Ax − b22 = (Ax − b)T (Ax − b) = xT AT Ax − 2xT AT b + bT b  m 2   n = a x − b  k j=1 k,j j k=1 2

=

m n k=1

j=1

ak,j xj − bk

2 .

Diese Summe von quadratischen Termen nimmt ihr Minimum an, wenn alle Ableitungen gleich 0 sind ⎛ ⎞ m n   df ⎝ 0= =2 ak,j xj − bk ⎠ ak,i , i = 1, . . . , n , dxi j=1 k=1

oder

m  k=1

ak,i

n  j=1

ak,j xj =

m 

ak,i bk ,

i = 1, . . . , n.

k=1

Die Matrixnotation dieser Gleichungen lautet (AT Ax)i = (AT b)i . Fassen wir daher diese n Gleichungen zu einem System zusammen, so erhalten wir aus der Minimierung der Funktion xT AT Ax − 2xT AT b + bT b das neue Gleichungssystem AT Ax = AT b, das wegen rang(AT A) = rang(A) = n eindeutig l¨osbar ist. Der L¨osungsvektor x liefert den Vektor mit kleinstem Abstand Ax − b2 . Man bezeichnet AT Ax = AT b als die Normalgleichung zu A und b. Das neue Gleichungssystem kann mittels Gauß-Elimination gel¨ ost werden. Die Kondition des neuen aufig sehr viel schlechter als die KonditiGleichungssystems κ(AT A) ist aber h¨ on des Ausgangsproblems κ(A); daher werden wir in Kapitel 10.2 ein anderes, numerisch stabileres Verfahren zur L¨ osung des linearen Ausgleichsproblems kennen lernen. ¨ Ubung 43. F¨ ur einige einfache Beispiele vergleiche man κ(AT A) und κ(A). Insbesondere gilt κ(AT A) = κ2 (A). Hinweis: Verwende die Singul¨ arwertezerlegung A = U ΣV aus Anhang B.4. Beispiel 27. Wir betrachten das u ¨ berbestimmte Gleichungssystem

10.1 Methode der kleinsten Quadrate

117

⎛ ⎞ 1 1   1 x 1 ⎝ 2 1⎠ ≈ ⎝0⎠. x2 0 −1 4 ⎛

⎞

Die dazugeh¨orige Normalgleichung lautet ⎞ ⎛ ⎞ ⎛  1   1 1    1 2 −1 1 2 −1 ⎝ x 1 ⎝0⎠ 2 1⎠ = 11 4 x2 11 4 −1 4 0 oder



6 −1 −1 18



und liefert die L¨ osung

x1 x2





19 107 7 107

x=

=

  1 1

 .

Dieses Verfahren bezeichnen wir auch als die Methode der kleinsten Quadrate. Damit sind wir in der Lage, zu gegebenen Punkten in der Ebene die lineare Ausgleichsgerade zu bestimmen (Abb. 10.1): Die Aufgabe besteht darin, zu vorgegebenen Punkten (xj , yj ), j = 1, . . . , n, in der (x, y)-Ebene eine Gerade zu finden, die m¨oglichst nahe an den vorgegebenen Punkten liegt. Diese lineare Ausgleichsgerade g(x) = a + bx soll also m¨ oglichst ⎛ ⎞ ⎛ ⎞ a + bx1 y1 ⎜ ⎟ ⎜ .. ⎟ .. ⎝ ⎠≈⎝ . ⎠ . a + bxn oder A erf¨ ullen mit

yn

  a ≈y b ⎛

1 ⎜ .. A=⎝.

⎞ x1 .. ⎟ . . ⎠

1 xn Diese Aufgabe k¨ onnen wir umformulieren zu: Berechne a und b so, dass    2  n   A a − y  = (a + bxj − yj )2   b 2 j=1

minimal ausf¨ allt. Die dazugeh¨ orige Normalgleichung lautet n ⎞ ⎛ ⎞ ⎛ n ⎞ ⎛ n a j=1 xj j=1 yj ⎠⎝ ⎠ = ⎝ ⎠. ⎝ n n n 2 b j=1 xj j=1 xj j=1 xj yj

118

10 Lineare Ausgleichsrechnung y

x

Abb. 10.1. Ausgleichsgerade.

Durch Aufl¨ osen dieses 2 × 2-Gleichungssystems erhalten wir mittels a und b die gesuchte Gerade g(x) = a + bx. Mit der hergeleiteten Technik k¨ onnen wir auch das folgende allgemeinere Ausgleichsproblem behandeln: Gegeben ist eine Familie von Ansatzfunktionen gk (x), k = 1, . . . , m, und Punkte (xj , yj ), j = 1, . . . , n mit n > m. Gesucht ist diejenige Funktion f (x) = m k=1 ak gk (x) als Linearkombination der Ansatzfunktionen, die m¨ oglichst nahe an den vorgegeben Punkten liegt. Definieren wir die n × m-Matrix ⎛ ⎞ g1 (x1 ) · · · gm (x1 ) ⎜ ⎟ .. G = ⎝ ... ⎠, . g1 (xn ) · · · gm (xn ) so ist die optimale Funktion f wieder bestimmt durch die Koeffizienten aT = (a1 , . . . , am )T , die Ga−y2 minimieren, also die L¨osung der Normalgleichung ⎛ ⎞ ⎛ ⎞ a1 y1 ⎜ ⎟ ⎜ ⎟ GT G ⎝ ... ⎠ = GT ⎝ ... ⎠ . am

ym

¨ ahle man die Polynome 1, x, x2 , Ubung 44. Als Ansatzfunktionen gk (x) w¨ m−1 ..., x . Welche Form hat die Matrix G? Welche Vereinfachung kann man im Fall n = m vornehmen? Anmerkung 50 (Gauß und die Methode der kleinsten Quadrate). Die Bestimmung von Positionen und Bahnkurven von Asteroiden hat in der historischen

10.2 QR-Zerlegung

119

Entwicklung der Astronomie eine bedeutende Rolle gespielt. Am 1. Januar 1801 entdeckte der italienenische Astronom Guiseppe Piazzi (1746 – 1826) einen beweglichen Stern“ der siebten Gr¨ oßenklasse, den er Ceres nannte. Pi” azzi konnte das Objekt nur bis zum 11. Februar 1801 beobachten, da danach die Position Ceres zu nahe an die Sonne r¨ uckte. Im Herbst 1801, als Ceres eigentlich wieder sichtbar sein sollte, konnte sie trotz intensiver Suche nicht wieder aufgefunden werden. Die damals verf¨ ugbaren mathematischen Methoden waren nicht geeignet, mit den wenigen Beobachtungsdaten eindeutig festzustellen, ob Ceres ein Komet oder ein Asteroid war. Im Herbst 1801 entwicklte dann Gauß eine neue Methode zur Bahnbestimmung, die mit nur wenigen Beobachtungsdaten auskam. Gauß konnte dabei auf seine bereits fr¨ uher entwickelte Fehlerausgleichsrechnung zur¨ uckgreifen. Im Sp¨ atherbst hatte Gauß die sehr umfangreichen numerischen Rechnungen beendet. Genau ein Jahr nach der Entdeckung konnte der Astronom v. Zach Ceres genau an der von Gauß vorhergesagten Stelle auffinden. Beschrieben hat Gauß das Verfahren der Normalgleichungen in seiner Theoria motus corporum coelestium in sectionibus conicis solem ambien” tum“ (1809). Allerdings wurde diese Methode tats¨achlich zuerst ver¨offentlicht von A.M. Legendre im Jahre 1805.

10.2 QR-Zerlegung Kondition und Gauß-Elimination: In fast allen F¨ allen liefert die Gauß-Elimination mit Pivotsuche Ergebnisse von ausreichender Genauigkeit. In Extremf¨ allen kann es aber vorkommen, dass im Verlauf des Eliminationsprozesses Matrizen Ak von schlechter Kondition erzeugt werden. Ein recht illustratives Beispiel ist hier die Matrix [111] Beispiel 28.

⎞ 1 1 ⎜ −1 1 1⎟ ⎟ ⎜ ⎜ −1 −1 1 1⎟ A=⎜ ⎟. ⎜ .⎟ ⎝ · · · . . . .. ⎠ −1 −1 · · · −1 1 ⎛

Die Eliminierung der Unterdiagonalelemente erfolgt einfach durch Aufaddieren der k-ten Zeile zu allen darunter liegenden Zeilen, k = 1, . . . , n − 1. Dadurch entstehen Matrizen der Form ⎛ ⎞ 10 0 ··· 1 ⎜0 1 0 0 ··· 2⎟ ⎜ ⎟ ⎜0 0 1 0 ··· 4⎟ ⎜ ⎟ ⎜ 0 0 −1 1 · · · 4 ⎟ ⎜ ⎟ ⎜ 0 0 −1 −1 · · · 4 ⎟ ⎝ ⎠ .. .. .. .. .. . . . . .

120

10 Lineare Ausgleichsrechnung

und am Ende des Eliminationsprozesses landet man bei der oberen Dreiecksmatrix ⎛ ⎞ 1 1 ⎜ 1 2 ⎟ ⎜ ⎟ ⎜ 1 4 ⎟ ⎜ ⎟ U =⎜ .. ⎟ . .. ⎜ . . ⎟ ⎜ ⎟ n−2 ⎠ ⎝ 12 2n−1 Daher sind die gr¨ oßten Matrixeintr¨ age im Verlauf der Gauß-Elimination von der Ordnung 2k−1 . Die Kondition von A ist von der Gr¨oßenordnung O(n), w¨ ahrend die Kondition der n-ten Matrix An gleich O(2n−1 ) ist. Entsprechend treten in der L¨ osung wesentlich gr¨oßere Fehler auf, als von der Gr¨ oße von κ(A) zu erwarten w¨ aren. In der praktischen Anwendung begegnet uns allerdings ein solches Verhalten so gut wie nie. Um aber zu verhindern, ˜ oder auch in der Normalgleichung AT A wesentdass wir in U = An = LA lich schlechter konditionierte Probleme zu l¨ osen haben, empfiehlt sich die Anwendung von orthogonalen Transformationen. Denn f¨ ur eine orthogonale Matrix Q ist κ(QA) = κ(A), so dass orthogonale Transformationen (im Gegensatz zu den in der Gauß-Elimination auftretenden Dreiecksmatrizen) die Kondition des Ausgangsproblems nicht verschlechtern. Daher wollen wir im Folgenden – ¨ ahnlich zur LU -Faktorisierung – eine Zerlegung von A mittels orthogonaler Matrizen herleiten. Dies f¨ uhrt zu einer stabileren Methode zur L¨ osung linearer Gleichungssysteme, die auch auf nichtquadratische Probleme (lineare Ausgleichsrechnung) anwendbar ist. Im Zusammenhang mit schlecht konditionierten oder sogar singul¨aren Matrizen stellt sich auch die Frage nach dem Rang der Matrix. Wenden wir z.B. Gauß-Elimination mit Total-Pivotsuche auf eine rechteckige Matrix vom Rang k an, so werden sp¨ atestens nach k Eliminationsschritten die PivotElemente sehr klein. Denn die oberen k Zeilen haben bereits vollen Rang k, und daher sollten – in exakter Arithmetik – die unteren Zeilen eigentlich nur noch Nullen enthalten; durch Rundungsfehler werden die unteren Zeilen aber mit sehr kleinen Zahlen aufgef¨ ullt. Dabei ist nun zu entscheiden, ob eine solche kleine Zahl nur durch Rundungsfehler entstanden ist, und eigentlich einer Null entspricht, oder ob sie auch bei genauer Rechnung zwar sehr klein, aber von Null verschieden w¨ are. Bei der Matrix ⎛ ⎞ 1 1 A = ⎝ 0 ε1 ⎠ 0 ε2 ur Nullen stehen, und m¨ ussten wir entscheiden, ob die beiden kleinen εi f¨ damit A vom Rang 1 ist, oder ob zumindest eine als von Null verschieden zu betrachten ist und damit A vom Rang 2 ist. Um auch hier ein verl¨ assliches Verfahren anzugeben, wie groß der Rang der Matrix ist, wenden wir uns von der Gauß-Elimination und der dazugeh¨ori-

10.2 QR-Zerlegung

121

gen LU -Zerlegung ab und versuchen, eine numerisch stabilere sogenannte QR-Zerlegung zu berechnen. Dabei steht R f¨ ur eine obere Dreiecksmatrix, aber f¨ ur Q wollen wir nur orthogonale Matrizen zulassen. Es sei daran erinnert, dass orthogonale Matrizen euklid’sche Norm 1 haben und daher die Kondition der Matrix R genau wieder die Kondition der Ausgangsmatrix A ist! Berechnung der QR-Zerlegung: Im Folgenden wollen wir ein Standard-Verfahren zur Erzeugung einer QRZerlegung einer beliebigen Matrix A beschreiben. Dazu beschr¨anken wir uns zun¨ achst auf den Fall von 2 × 2-Matrizen   a11 a12 A= a21 a22 und verwenden spezielle orthogonale Matrizen: Definition 23. Eine 2 × 2-Givens-Reflexion ist eine Matrix   cos(ϕ) sin(ϕ) G= , sin(ϕ) − cos(ϕ) und hat die Eigenschaften GGT = GT G = G2 = I. Ziel ist es nun, durch richtige Wahl des Parameters ϕ daf¨ ur zu sorgen, dass bei dem Produkt   a ˜11 a ˜12 A˜ = GA = a ˜21 a ˜22 eine obere Dreiecksmatrix entsteht, also  

 a11 = sin(ϕ)a11 − cos(ϕ)a21 = 0 a ˜21 = sin(ϕ) − cos(ϕ) a21 gilt. Dies ist durch die Wahl von a11 , cot(ϕ) = a21

 also ϕ = arccot

a11 a21



 oder

ϕ = arctg

a21 a11



erf¨ ullt. Die Givens-Reflexion wird numerisch stabiler berechnet durch das Verfahren   = sign(a11 ) a211 + a221 , cos(ϕ) = a11 / und sin(ϕ) = a21 /. Ist a11 nicht Null, aber a21 = 0, so muss zur Eliminierung von a21 keine Transformation angewandt werden. Ist a11 = 0 und a21 nicht Null, so permutiere man die Zeilen. Gilt a11 = 0 und a21 = 0, so hat die Matrix nicht vollen

122

10 Lineare Ausgleichsrechnung

Rang; dann werden auch noch Spaltenvertauschungen ben¨otigt, damit sich eine QR-Zerlegung der Form AP = QR berechnen l¨asst (siehe Aufgabe 60). Dieses Vorgehen kann direkt auf gr¨ oßere Matrizen u ¨ bertragen werden, indem man in der richtigen Reihenfolge, n¨ amlich beginnend mit der ersten Spalte zun¨ achst a21 bis an1 eliminiert, dann in der zweiten Spalte entsprechend a32 bis an2 usw. Dazu verwenden wir Givens-Reflexionen Gij der Form

⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ Gij = ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝

j 1 ..

.

i

⎞

⎟ ⎟ ⎟ ⎟ 1 ⎟ ⎟ cos(ϕ) sin(ϕ) ⎟ j ⎟ 1 , ⎟ ⎟ .. ⎟ . ⎟ ⎟ 1 ⎟ ⎟ i sin(ϕ) − cos(ϕ) ⎟ ⎟ 1 ⎟ .. ⎟ . ⎠ 1

die sich nur auf die i-te bzw. j-te Zeile und Spalte auswirken. Um den Eintrag aij , i > j, zu Null zu machen, stellen wir fest, dass die i-te Zeile durch Multiplikation mit Gij u ¨ bergeht in aik −→ sin(ϕ)ajk − cos(ϕ)aik und die j-te Zeile ajk −→ cos(ϕ)ajk + sin(ϕ)aik . 

Daher f¨ uhrt die Wahl ϕ = arccot

ajj aij



zu dem gew¨ unschten Ergebnis. Das Diagonalelement ajj dient also zur Elimination von aij . Die orthogonale Matrix Q ist dann gegeben als Produkt der orthogonalen Givens-Reflexionen QT = Gn,m · · · Gm+1,m Gn,m−1 · · · Gm,m−1 · · · · · · Gn2 · · · G32 Gn1 · · · G21 , wobei die Givens-Reflexionen in folgender Reihenfolge die Eintr¨age in A zu Null machen:

10.2 QR-Zerlegung

 1 2 .. .

 n .. .

m-1 n+m-3 m n+m-2 .. .. . . n−1 2n−3

123

 

···

···



···

 .. . nm −m(m+1)/2

Es werden insgesamt nm − m(m + 1)/2 Givens-Matrizen ben¨otigt. Die Matrix R ist dann das Ergebnis der gesamten Multiplikation der Form QT A = R oder A = QR. Dabei ist Q stets eine quadratische n × n-Matrix und R von der selben Gr¨ oße wie A, also i.Allg. n × m. Weitere Verfahren zur Bestimmung einer QR-Zerlegungen einer gegebenen Matrix sind das Orthogonalisierungsverfahren nach Gram-Schmidt und die Methode der Householder-Transformationen (siehe z.B. [107] oder andere Lehrb¨ ucher zur Numerischen Mathematik). Wir wollen die QR-Zerlegung nun auch zur L¨osung des linearen Ausgleichsproblems gewinnbringend einsetzen. Gegeben sei eine n × m-Matrix A mit n ≥ m und rang(A) = m, sowie ein Vektor b der L¨ange n. Verf¨ ugen wir u ¨ ber eine QR-Zerlegung von A, so kann das lineare Ausgleichsproblem Ax − b2 = min QRx − b2 = min Rx − QT b2 besser gel¨ ost werden. Dazu vermerken wir, dass die euklid’sche Matrixnorm invariant unter orthogonalen Matrizen ist (d.h. QA2 = A2 ) und R den selben Rang wie A haben muss. Daher l¨ asst sich R schreiben als ⎞ ⎛ r11 · · · · · · r1n .. ⎟ ⎜ ⎜ 0 r22 . ⎟ ⎟ ⎜ ⎟ . ⎜ .. . . . ⎜ . . ⎟   ⎟ ⎜ . 0 R1 ⎟ ⎜ .. . R= = ⎜ ... . rnn ⎟ 0 ⎟ ⎜ ⎟ ⎜ . ⎜ .. 0 ⎟ ⎟ ⎜ ⎟ ⎜ . . . . ⎝ . . ⎠ 0 ··· ··· 0 Indem wir nun die orthogonale Matrix QT mit b multiplizieren zu c = Q b = (c1 , c2 )T und c entsprechend der Struktur von R partitionieren, bleibt osen: nur noch das Dreieckssystem R1 x = c1 zu l¨ T

124

10 Lineare Ausgleichsrechnung

 Rx − QT b22 = 

R1 x 0



 −

c1 c2

 22 = R1 x − c1 22 + c2 22 .

Dabei ist die Kondition von R1 gleich der Kondition der Ausgangsmatrix. Wie gut die L¨ osung des Ausgleichsproblems min Ax − b2 ist, um Ax ≈ b zu erreichen, kann man nun leicht an der Gr¨ oße von c2 2 ablesen. Bei der Berechnung der QR-Zerlegung l¨ asst sich außerdem an den Eintr¨agen von R wesentlich besser entscheiden, ob ein sehr kleiner Eintrag bereits als Null zu werten ist und durch Rundungsfehler im Verlauf der Rechnung zustande gekommen ist; denn die Gr¨ oßenordnung der Matrixeintr¨age kann sich nicht so dramatisch ¨ andern wie bei der Gauß-Elimination. An den Diagonalelementen von R kann daher der Rang von A, d.h. die Anzahl linear unabh¨ angiger Zeilen, bzw. Spalten, wesentlich genauer abgelesen werden. Allgemein wollen wir festhalten: Die QR-Zerlegung sollte eingesetzt werden bei schlecht konditionierten quadratischen Matrizen, bei allgemeinen rechteckigen Gleichungssystemen (ev. auch in der allgemeineren Form QAP = R mit einer zus¨atzlichen Permutation P ), und zur Bestimmung des Rangs einer Matrix.

10.3 Regularisierung In vielen praktischen Anwendungen liegt ein u ¨ berbestimmtes Gleichungssystem vor, dessen zugeh¨ orige Matrix A bzw. die zugeh¨orige Dreiecksmatrix R1 extrem schlecht konditioniert ist. Selbst in exakter Arithmetik werden daher kleinste (unvermeidliche) Ungenauigkeiten Δb in den Eingangsdaten b durch x = inv(AT A)AT (b + Δb) = xexakt + inv(AT A)AT · Δb so verst¨ arkt, dass man keine sinnvollen Resultate mehr erh¨alt. Daher l¨asst sich das eigentliche Problem min Ax − b2 selbst mit Verwendung der QR-Zerlegung nicht mehr angemessen l¨osen; der berechnete Vektor x hat mit dem urspr¨ unglichen Problem nichts mehr zu tun. Man spricht hier von einem schlecht gestellten inversen Problem (illposed inverse problem). Der Anteil der L¨ osung, der daf¨ ur verantwortlich ist, dass das Problem fast singul¨ ar ist, ist dann im Wesentlichen durch Messfehler und Rundungsfehler bestimmt (Rauschen oder noise) und u ¨ berwiegt den restlichen eigentlichen Anteil so stark, dass die eigentliche L¨osung nicht mehr zu erkennen ist. Um das Problem auf den Bereich zu reduzieren, der wirklich verl¨ assliche Information erh¨ alt, versuchen wir daher, das zugrunde liegende Problem so umzuformulieren, dass ein besser konditioniertes lineares Gleichungssystem entsteht. Durch die Forderung, dass die berechnete L¨osung x klein bleiben soll, soll erreicht werden, dass das Rauschen inv(AT A)AT Δb ausgeblendet wird. Dazu erweitern wir das lineare Ausgleichsproblem zu

10.3 Regularisierung

125

min Ax − b2 + γ 2 x2 . x

Wie bei der Herleitung der Normalgleichung f¨ uhrt dieses Minimierungsproblem durch Nullsetzen der Ableitung (des Gradienten) zu der Gleichung (AT A + γ 2 I)x = AT b . Diese Methode der Regularisierung eines schlecht gestellten inversen Problems wird als Tikhonov-Regularisierung bezeichnet. Der Regularisierungsparameter γ ist so zu w¨ ahlen, dass der St¨ orungseinfluss reduziert wird, ohne die eigentliche Information wesentlich zu ver¨ andern. Anders ausgedr¨ uckt: Das System soll eine vern¨ unftige L¨ osung liefern, die nicht durch zuf¨alliges Rauschen verf¨ alscht und damit unbrauchbar ist. Wir werden die Methode der Tikhonov-Regularisierung in Kapitel 12.1 im Zusammenhang mit dem Problem der Computertomographie wieder aufgreifen. Mit Gauß-Elimination, QR-Zerlegung und Regularisierung verf¨ ugen wir nun u ¨ ber die wichtigsten Hilfsmittel, um beliebig auftretende Gleichungssysteme zu behandeln.

11 Effiziente L¨ osung linearer Gleichungssysteme

”

Du wolltest Algebra. Da hast du den Salat.“ Jules Verne

In praktischen Anwendungen haben wir es oft mit sehr großen Gleichungssystemen zu tun, die auf speziellen Rechner m¨oglichst schnell und effizient gel¨ ost werden sollen. Vollbesetzte Matrizen ben¨otigen O(n2 ) Speicherplatz und Gauß-Elimination O(n3 ) Operationen. Daher u ¨bersteigen der Speicherbedarf und die Rechenzeit zur L¨ osung solch großer, vollbesetzter Gleichungssysteme oft die Leistungsf¨ ahigkeit heutiger Rechner.

11.1 Du ¨ nnbesetzte Gleichungssysteme Um m¨ oglichst große Probleme noch l¨ osen zu k¨ onnen, bietet es sich an, durch geschickte Formulierung des Problems d¨ unnbesetzte Matrizen zu erzeugen. Standardbeispiele d¨ unnbesetzter Matrizen sind Bandmatrizen ⎛ ⎞ a11 · · · a1p ⎜ .. . . . . ⎟ .. ⎜ . ⎟ . . . ⎜ ⎟ ⎜ ⎟ . . . . .. .. ⎜ aq1 . . . . ⎟ ⎟ A=⎜ ⎜ ⎟ .. .. .. .. ⎜ ⎟ . . . . a n−p+1,n ⎟ ⎜ ⎜ ⎟ . . . . .. .. .. .. ⎝ ⎠ an,n−q+1 · · · ann mit unterer Bandbreite q, oberer Bandbreite p und Gesamtbandbreite p + q − 1. Zur Speicherung dieser Matrix ist es nicht notwendig, die u ¨berwiegende Anzahl von Nullen explizit anzugeben. Statt dessen kann man die einzelnen Diagonalen in p + q − 1 Vektoren aufteilen, oder die Rechteckmatrix

128

11 Effiziente L¨ osung linearer Gleichungssysteme

⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ B=⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝

∗ .. .

···

∗

·

∗

·

a21 .. . .. . .. . .. . .. .

aq1 .. . .. . .. .

an,n−q+1 · · · an−1,n

a11 · · · .. . .. . .. . .. . .. . .. . an−1,n ann ∗

···

a1p .. . .. . .. .

⎞

⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ an−p+1,p ⎟ ⎟ ⎟ ⎟ · ∗ ⎟ ⎟ .. ⎠ · . ··· ∗

verwenden. F¨ ur B ben¨ otigen wir nur (p + q − 1)n Speicherpl¨atze. Um ein Gleichungssystem mit A zu l¨ osen, soll das Verfahren der GaußElimination an die vorhandene Bandstruktur angepasst werden. Ohne Pivotsuche bleibt die Bandstruktur erhalten und der Gauß-Algorithmus ist nur so zu modifizieren, dass die beiden inneren Schleifen nicht bis zum Zeilen- bzw. Spaltenende, sondern nur maximal p- bzw. q-mal zu durchlaufen sind. Der Gesamtaufwand reduziert sich damit zu O(npq) Operationen. Erlaubt man aus Stabilit¨ atsgr¨ unden die Spalten-Pivotsuche, so kann sich die Bandbreite schlechtestenfalls verdoppeln. Hat die gegebene d¨ unnbesetzte Matrix keine einfache und regelm¨aßige Struktur, so m¨ ussen andere Methoden zur Speicherung verwendet werden: Definition 24. Eine d¨ unnbesetzte Matrix A kann gespeichert werden, indem die Werte und die dazugeh¨origen Zeilen- und Spaltenindizes in drei langen Vektoren val, zind und sind abgelegt werden. Dabei enth¨alt val alle NichtNulleintr¨age von A, und zu einem Wert val(i) stehen in zind(i) und sind(i) die dazugeh¨origen Zeilen- und Spaltenindizes, also val(i) = azind(i),sind(i) . Beispiel 29. Die Matrix ⎞ 1.1 0 0 0 2.2 ⎜ 0 0 0 3.3 0 ⎟ ⎟ ⎜ ⎟ A=⎜ ⎜ 0 4.4 0 0 5.5 ⎟ ⎝ 0 0 0 6.6 0 ⎠ 0 0 7.7 0 8.8 ⎛

wird gespeichert in dem Vektor der Zahlenwerte val = (1.1 2.2 3.3 4.4 5.5 6.6 7.7 8.8), dem Vektor der dazugeh¨ origen Zeilenindizes zind = (1 1 2 3 3 4 5 5)

11.1 D¨ unnbesetzte Gleichungssysteme

129

und den Spaltenindizes sind = (1 5 4 2 5 4 3 5). Dann ergibt sich z.B. val(i) = azind (i),sind (i) , also z.B. val(2) = a1,5 = 2.2. Die Struktur d¨ unnbesetzter Matrizen kann sehr gut durch Graphen dargestellt und untersucht werden. Dazu betrachten wir zu einer n×n Matrix einen Graphen G = (V, E) mit n Ecken (Knoten) Pi , i = 1, . . . , n. In diesen Graphen nehmen wir nun eine gerichtete Kante von Pi nach Pj genau dann auf, uckt, bilden wir zu wenn das Matrixelement aij nicht Null ist. Anders ausgedr¨ A diejenige Matrix, die entsteht, wenn wir jeden Nicht-Nulleintrag durch den Wert Eins ersetzen. Diese neue Matrix l¨ asst sich als Adjazenzmatrix eines Graphen G auffassen, den wir benutzen wollen, um die Besetztheitsstruktur einer d¨ unnbesetzten Matrix zu untersuchen. P3

P4

P2 P1

Abb. 11.1. Graph mit vier Knoten und drei Kanten.

Definition 25. Die Adjazenzmatrix eines Graphen G = (V, E) mit n Knoten ist eine n × n-Matrix mit der Festlegung  1, falls eine Kante von Pi nach Pj in G ist aij = 0, sonst. Jeder Graph l¨ asst sich durch eine Adjazenzmatrix repr¨asentieren. Im Beispiel des durch Abb. 11.1 beschriebenen Graphen lautet die Adjazenzmatrix ⎛ ⎞ 0101 ⎜0 0 0 0⎟ ⎟ A=⎜ ⎝1 0 0 0⎠. 0000 Zur d¨ unnbesetzten Matrix aus Beispiel 29 geh¨ort dann die Matrix ⎞ ⎛ 10001 ⎜0 0 0 1 0⎟ ⎟ ⎜ ⎜0 1 0 0 1⎟ ⎟ ⎜ ⎝0 0 0 1 0⎠ 00101

130

11 Effiziente L¨ osung linearer Gleichungssysteme

(durch Ersetzen jedes Nicht-Null-Eintrags durch 1) und damit der Graph aus Abb. 11.2.

P1

P2

P3

P4

P5

Abb. 11.2. Graph zur Matrix aus Beispiel 29.

Der Graph G, der auf diese Art und Weise mit einer Matrix verkn¨ upft werden kann, kann nun z.B. dazu verwendet werden, geeignete Umordnungen von Zeilen und Spalten von A zu finden, so dass sich das Gleichungssystem mit Gauß-Elimination mit weniger fill-in“ l¨ osen l¨asst. Man ist also daran ” interessiert, dass im Verlauf der Gauß-Elimination m¨oglichst wenige NichtNulleintr¨ age neu erzeugt werden, da ansonsten die D¨ unnbesetztheit der Ausgangsmatrix verloren geht. Im schlimmsten Fall k¨onnen die LU -Faktoren von A nahezu vollbesetzt sein. ¨ Ubung 45. Wir wollen ein System Ax betrachten ⎛ d1 e2 e3 ⎜ c2 d2 0 ⎜ ⎜ A=⎜ ⎜ c3 0 d3 ⎜ . . . ⎝ .. .. . . cn

= b mit folgender Matrixstruktur ⎞ · · · en ··· 0 ⎟ ⎟ . . .. ⎟ . . ⎟ ⎟. ⎟ .. . 0 ⎠ 0 · · · 0 dn

Das Verfahren der Gauß-Elimination w¨ urde hier vollbesetzte Matrizen L und U erzeugen. Um dies zu vermeiden, sollten zun¨achst Zeilen- und Spaltenvertauschungen angewendet werden, so dass bei dem neuformulierten Gleichungssystem die Matrizen L und U d¨ unnbesetzt bleiben. Es ist vorteilhaft, dazu den Graphen von A zu betrachten. Beispiel 30. Gegeben sei ein Gleichungssystem mit einer Matrix folgender Besetztheitsstruktur: ⎞ ⎛ ∗000∗∗ ⎜0 ∗ ∗ ∗ 0 0⎟ ⎟ ⎜ ⎜0 ∗ ∗ ∗ 0 0⎟ ⎟ ⎜ ⎜0 ∗ ∗ ∗ 0 0⎟ ⎟ ⎜ ⎝∗ 0 0 0 ∗ ∗⎠ ∗000∗∗

11.2 Gleichungssysteme und Computer-Architektur

P1

P2

P3

P4

P5

131

P6

Abb. 11.3. Graph zur Matrix aus Beispiel 30.

Der Graph zu dieser Matrix ist in Abb. 11.3 dargestellt. Aus dem Bild ersieht man, dass der Graph in zwei unabh¨ angige Teilgraphen (Zusammenhangskomponenten) zu den Indizes 2, 3, 4 und 1, 5, 6 zerf¨allt. Vertauschen wir in dem Ausgangssystem erste und vierte Zeile und Spalte, so ergibt sich eine Matrix der Form ⎞ ⎛ ∗∗∗ ⎟ ⎜∗ ∗ ∗ ⎟ ⎜ ⎟ ⎜∗ ∗ ∗ ⎟, ⎜ ⎟ ⎜ ∗ ∗ ∗ ⎟ ⎜ ⎝ ∗ ∗ ∗⎠ ∗∗∗ und die L¨ osung eines solchen Gleichungssystems zerf¨allt in zwei unabh¨angige Teilprobleme halber Gr¨ oße. Auf diese Art und Weise kann nach der durch den Graphen identifizierten Umnummerierung das urspr¨ ungliche Problem wesentlich effizienter gel¨ ost werden. ¨ Ubung 46. Wir betrachten Block-Matrizen der Form ⎛ ⎞ D1 E1 ⎜ C2 D2 E2 ⎟ ⎜ ⎟ ⎜ ⎟ . . ⎜ ⎟ A=⎜ C3 D3 . ⎟ ⎜ ⎟ .. .. ⎝ . . En−1 ⎠ Cn Dn mit Diagonalmatrizen Di , Ei und Ci . Man skizziere den Graph zu dieser Matrix. Wie l¨ asst sich A geschickt umsortieren?

11.2 Gleichungssysteme und Computer-Architektur Unser Ziel sollte es sein, einen vorgegebenen Algorithmus wie z.B. das Verfahren der Gauß-Elimination m¨ oglichst effizient zu implementieren. Dazu ist es erforderlich, die Eigenschaften heutiger Rechner und Prozessoren zu ber¨ ucksichtigen. Deshalb wollen wir die wesentlichen Prinzipien vorstellen, die dabei zu beachten sind.

132

11 Effiziente L¨ osung linearer Gleichungssysteme

Prinzip 1: Effiziente Bereitstellung der Daten. Neben der eigentlichen Rechenzeit spielt die Zeit f¨ ur das Bereitstellen der Daten eine immer gr¨oßere Rolle. Ein heutiger Prozessor besteht zu weiten Teilen aus Speicherbereichen, in denen die zu verarbeitenden Daten so gespeichert werden, dass sie in der richtigen Reihenfolge an die eigentliche CPU angeliefert werden. Jeder Datentransport zwischen langsameren und schnellerem Speichermedium wie zwischen Festplatte und Arbeitsspeicher oder zwischen Arbeitsspeicher und Registerspeicher kostet wesentlich mehr Zeit als die arithmetischen Operationen, die auf den Daten ausgef¨ uhrt werden sollen. Das Ziel des schnellen Datentransfers hat zur Entwicklung von Cache1 Speichern gef¨ uhrt. Dabei versucht man zu erraten, welche Daten als n¨achste bearbeitet werden und sammelt diese Daten in einem schnellen Zwischenspeicher. Um hier zu einer vern¨ unftigen Auswahl zu kommen, haben sich folgende Annahmen als sinnvoll erwiesen: – Daten, die gerade im Gebrauch sind, werden sehr wahrscheinlich auch in folgenden Rechenschritten noch weiterbearbeitet, – Nachbardaten, die lokal im Speicher in der N¨ahe der gerade aktiven Daten stehen, sind wohl auch Kandidaten, die demn¨achst von der CPU angefordert werden. Diese beiden Annahmen entsprechen dem Prinzip der H¨aufigkeit und dem Prinzip der Lokalit¨ at: Von Daten, die h¨ aufig benutzt werden oder die neben gerade benutzten Daten stehen, ist zu erwarten, dass sie demn¨achst verarbeitet werden, und sie sollten daher m¨ oglichst griffbereit sein. Mit diesem Zwischenspeicher ist nat¨ urlich zus¨atzlicher Verwaltungsaufwand verbunden, insbesondere, wenn der gesuchte Datensatz sich doch nicht im Cache befindet, erh¨ oht sich der Zeitaufwand f¨ ur die Bereitstellung dieser Daten. Das Prinzip des Speicher-Caches hat sich allerdings inzwischen so bew¨ ahrt, dass er u ¨berall zum Einsatz kommt. Daten sollten in der CPU m¨ oglichst im Paket verarbeitet werden; d.h. an einem Datenpaket, das in den Registerspeicher der CPU geladen wurde, sollten m¨ oglichst alle Operationen ausgef¨ uhrt werden, bevor dann das n¨achste Datenpaket in die CPU geleitet wird. Dazu dient die Blockbildung: Bei Aufgaben mit mehrdimensionalen Feldern empfiehlt es sich, das Gesamtproblem blockweise aufzuspalten mit Bl¨ ocken, deren Gr¨oße genau dem Speicherplatz im Register oder Cache angepasst ist. Im Falle der Gauß-Elimination werden hierbei Matrixelemente durch Blockmatrizen ⎛ ⎞ A11 · · · A1m ⎜ .. .. ⎟ ⎝ . . ⎠ Am1 · · · Amm ersetzt, wobei die Aij selbst kleine Matrizen der Dimension k = n/m sind. Formal kann die Gauß-Elimination nun genauso wie im skalaren Fall durch1

Cache kommt von englisch: Waffenlager

11.2 Gleichungssysteme und Computer-Architektur

133

gef¨ uhrt werden. Dabei ist die Division durch ajj durch die Multiplikation mit der Inversen Blockmatrix A−1 jj zu ersetzen. Durch diese Blockbildung stehen die in diesem Schritt ben¨otigten Zahlen im Registerspeicher zur Verf¨ ugung und k¨ onnen ohne zus¨atzlichen Datenfluss entsprechend abgearbeitet werden (vgl. auch den folgenden Abschnitt u urlich die Pivotsu¨ ber Parallelisierbarkeit). Problematisch hierbei wird nat¨ che: Anstelle des betragsgr¨ oßten Eintrags ist ein Block als Pivotblock auszuw¨ ahlen, der gut konditioniert. Beispiel 31 (Matrix-Vektor-Produkt A · b). Wir partitionieren die Matrix A und den Vektor b in Bl¨ ocke ⎛ ⎞ ⎛ ⎞ a11 a12 a13 a14 b1 ⎜ a21 a22 a23 a24 ⎟ ⎜ b2 ⎟ ⎟ ⎜ ⎟ A=⎜ ⎝ a31 a32 a33 a34 ⎠ ; b = ⎝ b3 ⎠ ; a41 a42 a43 a44 b4     B1 A11 A12 ; b= ; A= A21 A22 B2   A11 B1 + A12 B2 A·b= A21 B1 + A22 B2 Dann werden die kleinen“ Matrix-Vektor-Produkte Ai,j Bj jeweils in ei” nem Arbeitsschritt berechnet, wobei die Blockgr¨oße der Gr¨oße des CacheSpeichers angepasst ist. Anschließend werden diese Zwischenergebnisse zum L¨ osungsvektor zusammengebaut. Beispiel 32 (Matrix-Matrix-Multiplikation nach Strassen). Bei der Multiplikation zweier Matrizen hat diese Art der Blockbildung noch einen weiteren Vorteil. Das Verfahren von Strassen zeigt, dass durch rekursive Blockbildung die Zahl der ben¨ otigten Operationen zur Berechnung von C = A × B verringert werden kann. Bei der Ausf¨ uhrung von drei FOR-Schleifen ben¨otigt das Matrixprodukt zwischen der k × n-Matrix A und der n × m-Matrix B insgesamt O(nmk) Operationen. Diese Komplexit¨at kann durch Anwendung des Divide-and-Conquer-Prinzips reduziert werden. Wir wollen hier nur den Spezialfall quadratischer Matrizen behandeln. Wir partitionieren die n × n Matrizen A und B in der Form       A11 A12 B11 B12 C11 C12 A= , B= , C= . A21 A22 B21 B22 C21 C22 Mit den Hilfsmatrizen H1 = (A12 − A22 )(B21 + B22 ), H2 = (A11 + A22 )(B11 + B22 ), H3 = (A11 − A21 )(B11 + B12 ), H4 = (A11 + A12 )B22 , H5 = A11 (B12 − B22 ), H6 = A22 (B21 − B11 ) und H7 = (A21 + A22 )B11

134

11 Effiziente L¨ osung linearer Gleichungssysteme

kann die Produktmatrix  H1 + H2 − H4 + H6 C= H6 + H7

H4 + H5 H2 − H3 + H5 − H7



durch 7 Matrixmultiplikationen und 18 Matrixadditionen berechnet werden, wobei die beteiligten Matrizen nur noch halb so viele Zeilen und Spalten besitzen wie die Ausgangsmatrizen. Wenden wir auf die 7 neuen Matrixmultiplikationen rekursiv wieder dasselbe Partitionierungsschema an, so lassen sich die Gesamtkosten zur Berechnung der n×n-Matrix C dadurch auf O(nlog2 (7) ) reduzieren. ur die MatrixUm dies zu beweisen, bezeichnen wir mit Mn die Kosten f¨ multiplikation und mit An die Kosten f¨ ur die Matrixaddition zweier n × nMatrizen. Dann gilt f¨ ur die Kosten des Strassen-Algorithmus M2n = 7Mn + 18An = 7Mn + 18n2 . Mit n = 2m und der Schreibweise Fm = M2m = Mn ergibt sich 

Fm+1 = 7Fm + 18 · (2m )2 = 7 7Fm−1 + 18 · (2m−1 )2 + 18 · 4m = 49(7Fm−2 + 18 · 4m−2 ) + 7 · 18 · 4m−1 + 18 · 4m = ... m−1  = 7m F1 + 18 7j · 4m−j = O(7m ) =O

j=0

 2

log2 (7)

log2 (n) 

 = O 2log2 (7)·log2 (n)

 = O nlog2 (7) Daher ergeben sich f¨ ur die Matrixmultiplikationen nach der Methode von Strassen Gesamtkosten von O(nlog2 (7) ) Operationen. ¨ Ubung 47. Vergleiche f¨ ur verschiedene Werte von n die Kosten der Matrixmultiplikation nach dem Standardverfahren mit den Kosten f¨ ur den StrassenAlgorithmus. F¨ ur welche n ist das neue Verfahren zu empfehlen? Bei der Speicherung mehrdimensionaler Felder wie z.B. Matrizen muss auch noch ein weiterer Gesichtspunkt ber¨ ucksichtigt werden. Um den Datenzugriff zu beschleunigen, ist es hilfreich zu wissen, wie mehrdimensionale Felder im Speicher physikalisch abgelegt werden. So werden in der Programmiersprache C zweidimensionale Feldern zeilenweise abgespeichert, also in der Reihenfolge a11 , a12 , · · · , a1n , a21 , · · · , a2n , · · · , amn . Will man also mit diesen Werten rechnen, so empfiehlt es sich, die Programmschleife dieser Reihenfolge anzupassen in der Form

11.2 Gleichungssysteme und Computer-Architektur

135

FOR i = 1,..,n: FOR j = 1,..,m: ... a[ij] ...; ENDFOR ENDFOR so dass in der inneren Schleife jeweils eine ganze Zeile elementweise angefordert wird. In FORTRAN wird eine solche Matrix spaltenweise im Speicher abgelegt, so dass die entsprechende Doppelschleife genau umgekehrt durchgef¨ uhrt werden sollte. H¨ aufig in Programmen auftauchende, einfache FOR-Schleifen (Loops) k¨onnen effizienter programmiert werden. Ziel dabei ist es, den Verwaltungsaufwand, der mit dem Loop verbunden ist, zu verringern und damit die Kostenrelation zwischen eigentlich auszuf¨ uhrenden Operationen und dem dazu erforderlichen Verwaltungs-Overhead zu verbessern. Betrachten wir z.B. den einfachen Loop a = 0; FOR j = 1,..,n: a = a + x[j]; ENDFOR Nach jedem Rechenschritt muss stets j um 1 erh¨oht werden und abgefragt werden, ob das Schleifenende erreicht ist. Effizienter setzen wir daf¨ ur mit n = m · k: a = 0; FOR j = 1,..,n: a = a + x (k * (j-1) + 1) + ... + x (k * (j-1) + k); ENDFOR Dabei ben¨ otigen wir ganze Zahlen m und k, die Teiler von n sind. Mit BLAS und LAPACK stehen f¨ ur viele Standardprobleme wie Addition oder Inneres Produkt zweier Vektoren, sowie dem L¨osen von linearen Gleichungssystemen optimierte Programme zur Verf¨ ugung, die bereits auf die Speichergr¨ oße des verwendeten Rechners abgestimmt sein sollten [1]. Prinzip 2: Vektorisierbarkeit und Parallelisierbarkeit2 . Heutige Rechner besitzen Prozessoren, die weitgehend mit Pipeline-Technik arbeiten. Das heißt, dass eine Operation wie die Addition in einzelne Teilschritte zerlegt wird, die dann an vielen Daten gleichzeitig wie an einem Fließband ausgef¨ uhrt 2

Seinen ersten Computer baute Seymour Cray noch f¨ ur Control Data. Besessen von der Idee, immer leistungsf¨ ahigere Computer zu bauen, gr¨ undete er 1976 die Firma Cray Research. Sein erstes Modell, die Cray-1, kam auf eine Rechenleistung von 167 Millionen Rechenoperation pro Sekunde. Heute baut die Firma Cray Computer, die inzwischen zum Silicon Graphics-Konzern (SGI) geh¨ ort, moderne Parallelrechner f¨ ur Forschungs-, milit¨ arische und meteorologische Zwecke.

136

11 Effiziente L¨ osung linearer Gleichungssysteme

werden. Damit dies effizient funktioniert, muss daf¨ ur gesorgt werden, dass die Pipeline stets gef¨ ullt ist. Dann kann in jedem Takt ein vollst¨andig berechnetes Endergebnis das Fließband verlassen. Alle Operationen sollten entsprechend in der CPU vorbereitet sein und direkt in die Pipeline eingef¨ uttert werden. Operationen, die sich gut in einer Pipeline verarbeiten lassen, sind Vektoroperationen wie das Addieren zweier Vektoren (in BLAS-Notation auch SAXPY-Operation genannt, da in einfacher Genauigkeit (Single precision) der mit der Zahl A multiplizierte Vektor x zu dem Vektor y addiert (Plus) wird).

x1 xk+yk y1

Abb. 11.4. Allgemeines Schema einer Additionspipeline zur Berechnung von x+y.

Andere Probleme wie das Innere Produkt oder das Aufsummieren einzelner Vektorkomponenten lassen sich nicht so effizient durch Pipelines berechnen; dabei stecken oft im n¨ achsten Schritt ben¨otigte Zwischenwerte, die aufaddiert werden sollen, noch mitten in der Pipeline, und die Abarbeitung muss unterbrochen werden, bis diese Zwischenrechnung beendet ist und die Zahl an den Eingang der Pipeline transportiert wurde. Als Ausweg kann hier zur besseren Vektorisierbarkeit ein Fan-in-Prinzip verwendet werden. Dabei wird die urspr¨ ungliche Summe durch Paarbildung zerlegt x1 + x2 + . . . + x8 = ((x1 + x2 ) + (x3 + x4 )) + ((x5 + x6 ) + (x7 + x8 )). Wir leiten also zun¨ achst paarweise die voneinander unabh¨angigen Additionen x1 + x2 , x3 + x4 , x5 + x6 und x7 + x8 in die Additionspipeline. Liegen die beiden ersten Ergebnisse x1 + x2 und x3 + x4 vor, so k¨onnen diese wieder an den Beginn der Pipeline weitergereicht werden, um die Summe der ersten vier Zahlen zu berechnen. Auf diese Weise kann f¨ ur eine hohe Auslastung der Pipeline gesorgt werden, ohne allzu lange Wartezeiten auf ben¨otigte Zwischenergebnisse. Zur L¨ osung großer Probleme werden verst¨arkt Parallelrechner eingesetzt. Dazu ist es notwendig, das Ausgangsproblem so zu formulieren, dass es in weitgehend unabh¨ angige Teile zerlegbar ist, die dann auf verschiedenen Prozessoren selbstst¨ andig abgearbeitet werden k¨ onnen. Gut parallelisierbar ist z.B. das Matrix-Vektor-Produkt Ax, da die Matrix zeilenblockweise auf die verf¨ ugbaren Prozessoren verteilt werden kann. Somit sind diese Prozessoren in der Lage, ihre Teilkomponente des L¨ osungsvektors ohne weitere Kommunikation zu berechnen.

11.2 Gleichungssysteme und Computer-Architektur

137

Schlecht parallelisierbar ist das Aufl¨ osen von Dreiecksgleichungssystemen. Denn hier werden der Reihe nach die bereits berechneten Komponenten bei der Berechnung der n¨ achsten Komponenten ben¨otigt. Wir sprechen daher von einem rein sequentiellen Vorgehen, das in dieser Form keine vollst¨andige Aufspaltung in parallele Teilprobleme zul¨ asst. Als Faustregel k¨ onnen wir festhalten, dass in einem Programmteil, der aus Mehrfachschleifen besteht, darauf geachtet werden sollte, die innerste Schleife m¨ oglichst einfach und gut vektorisierbar zu machen, und die ¨außerste Schleife so, dass sie m¨ oglichst umfangreich ist und Aufrufe - unabh¨angig von den anderen Aufrufen - parallel abgearbeitet werden k¨onnen. Dadurch wird eine optimale Ausnutzung der Pipelines und der evtl. mehrfach vorhandenen Prozessoren gew¨ ahrleistet. Betrachten wir nach dem bisher Gesagten nochmals unseren Algorithmus der Gauß-Elimination ohne Pivotsuche und ohne Ber¨ ucksichtigung der rechten Seite b etwas genauer: FOR k = 1,...,n-1: FOR s = k+1,...,n: l[sk] = a[sk] / a[kk]; ENDFOR FOR i = k+1,...,n: FOR j = k+1,...,n: a[ij] = a[ij] - l[ik] * a[kj]; END ENDFOR ENDFOR Diese Variante wird als die kij-Form der Gauß-Elimination bezeichnet. Die innerste Schleife bedeutet, dass von dem Vektor ai. , das ist die i-te Zeile, der Vektor ak. (die k-te Zeile) skaliert abgezogen wird. Dies ist eine gut zu vektorisierende Operation. Allerdings sollte wieder darauf geachtet werden, dass der Zugriff auf eine Matrix in der Programmiersprache C zeilenweise, in FORTRAN jedoch spaltenweise erfolgt. In FORTRAN ist daher die kjiForm vorzuziehen, bei der die letzten beiden FOR-Anweisungen vertauscht sind. Dann werden dadurch nicht Zeilenvektoren addiert, sondern Spaltenvektoren. Bei allen Varianten der Gauß-Elimination, die durch Vertauschung der Reihenfolge der Schleifen gebildet werden, ist darauf zu achten, dass in den FOR-Schleifen f¨ ur die Indizes stets gilt: n ≥ i > k und n ≥ j > k. Noch g¨ unstiger in Bezug auf Ausnutzung der Eigenschaften von Prozessoren ist die ikj-Form: FOR i = 2,...,n: FOR k = 1,...,i-1: l[ik] = a[ik) / a[kk); FOR j = k+1,...,n: a[ij] = a[ij) - l[ik) * a[kj);

138

11 Effiziente L¨ osung linearer Gleichungssysteme

ENDFOR ENDFOR ENDFOR In der ikj-Form lassen sich die beiden inneren Schleifen auffassen als mehrfache Vektoraddition der i-ten Zeile mit den ersten Zeilen von U , d.h. den schon auf obere Dreiecksform gebrachten oberen Teil von A. Auf Parallelrechnern empfiehlt es sich, Block-Varianten der Gauß-Elimination zu verwenden. Wie bei den ijk-Varianten kann man sich f¨ ur verschiedene Reihenfolgen der Berechnung der Block-Faktoren L und U entscheiden. Je nach Art der Abarbeitung unterscheiden wir hier rechtsschauende, linksschauende und Crout-Variante der Gauß-Elimination. Bei der linksschauenden Variante wird im aktuellen Schritt genau eine Block-Spalte in L, bzw. U neu berechnet, und die links davon stehenden Teile von L verwendet. Die rechtsschauende Variante entspricht der normalen Gauß-Elimination (kijForm), bei der der linke und obere Teil von A, L, und U nicht mehr ver¨andert wird. Im Folgenden wollen wir zun¨ achst die Crout-Variante genauer untersuchen. Der Rechenfluss sieht so aus, dass L von links nach rechts und U von oben nach unten berechnet werden soll; dabei werden die bereits berechneten Teile oben links von L und U nicht mehr und der noch nicht benutzte rechte untere Teil von A noch nicht verwendet. Wir stellen uns vor, dass wir folgende Partitionierung von L und U bereits erreicht haben: ⎛ ⎞ ⎛ ⎞ L11 U11 U12 U13 ⎠, U = ⎝ U22 U23 ⎠ . L = ⎝ L21 L22 L31 L32 L33 U33 Dabei seien die erste Blockspalte von L und die erste Blockzeile von U schon bekannt. Ziel ist es, im n¨ achsten Schritt die mittlere Blockspalte von L, resp. Blockzeile von U zu berechnen. Dazu formulieren wir die Bedingung A = LU f¨ ur die Bl¨ ocke, also ⎛

L11 LU = ⎝ L21 L22 L31 L32 ⎛ L11 U11 = ⎝ L21 U11 L31 U11 ⎛ A11 A12 = ⎝ A21 A22 A31 A32

⎞⎛

⎞ U11 U12 U13 ⎠⎝ U22 U23 ⎠ ∗ ∗ L11 U12 L21 U12 + L22 U22 L31 U12 + L32 U22 ⎞ A13 A23 ⎠ . A33

⎞ L11 U13 L21 U13 + L22 U23 ⎠ ∗

Die mit ∗ gekennzeichneten Teile von L und U wurden noch nicht benutzt. Die neu zu erf¨ ullenden Bedingungen ergeben sich dann an den Positionen A22 ,

11.2 Gleichungssysteme und Computer-Architektur

139

A23 und A32 . Sie lauten         L22 L21 A˜22 A22 U22 = − U12 =: ˜ L32 A32 L31 A32 und L22 U23 = A23 − L21 U13 =: A˜23 . Die erste Gleichung l¨ osen wir durch Anwendung der Gauß-Elimination auf die Matrix   A˜22 A˜32 und erhalten daraus die Teile L22 , L32 und U22 ; die zweite Gleichung liefert dann durch Aufl¨ osen des Dreicksgleichungssystems in L22 die Matrix U23 = ˜23 . A L−1 22 Die neu berechneten Teile k¨ onnen nun zu L•1 und U1• aufgenommen werden. Daraufhin f¨ uhrt eine Aufspaltung der bisher unber¨ ucksichtigten ∗Teile zu neuen Mittelbl¨ ocken L•2 und U2• , die wieder auf die selbe Weise berechnet werden k¨ onnen.

Abb. 11.5. Berechnungsschema bei der Berechnung der LU-Faktorisierung nach Crout. Der linke Spaltenblock von L und der obere Zeilenblock von U sind bereits berechnet (gestrichelt); aktuell sollen der mittlere Spaltenblock von L und der mittlere Zeilenblock von U berechnet werden (durchgezogene Linie); die Bl¨ ocke rechts unten in L und U werden noch nicht ber¨ ucksichtigt (gepunktet).

Wir wollen auch noch andere Methoden betrachten, die LU -Zerlegung zu berechnen. Bei der so genannten linksschauenden Variante wird jedes Mal genau eine Blockspalte in L, bzw. in U neu berechnet; dabei werden alle Teile links von diesen Spalten als bekannt vorausgesetzt und verwendet. Daher werden L.1 und U.1 benutzt, um L22 , L23 , U12 , und U22 zu bestimmen.

140

11 Effiziente L¨ osung linearer Gleichungssysteme

Abb. 11.6. Berechnungsschema bei der Berechnung der LU-Faktorisierung nach links-schauenden Variante. Die linken Spaltenbl¨ ocke von L und U sind bereits berechnet (gestrichelt); aktuell sollen die mittleren Spaltenbl¨ ocke von L und von U berechnet werden (durchgezogene Linie); die rechten Spaltenbl¨ ocke in L und U werden noch nicht ber¨ ucksichtigt (gepunktet).

b

v

v

n

Abb. 11.7. Blockweise Partitionierung nach Crout. Dabei bezeichnet v die schon berechneten und in diesem Schritt auch noch verwendeten Daten; n sind die bisher noch nicht verwendeten und auch noch nicht berechneten Daten in L und U . b bezeichnet den Teil, der bereits berechnet, aber nicht mehr verwendet wird. Schraffiert sind die gerade zu bestimmenden Blockspalten und -zeilen von L und U .

Speziell ergibt sich U12 aus U12 = L−1 ocke k¨onnen dann 11 A12 . Die anderen Bl¨ a hnlich wie bei Crout gewonnen werden aus der LU -Zerlegung ¨

11.2 Gleichungssysteme und Computer-Architektur



L22 L32



 U22 =

A22 A32



 −

L21 L31



 U12 =:

A˜22 A˜32

141

 .

Danach werden die Bl¨ ocke in L, U und A neu partitioniert; die gerade berechneten Teile werden in die erste Blockspalte aufgenommen; aus der alten dritten Blockspalte wird eine neue mittlere Blockspalte gewonnen, die die als n¨ achstes zu berechnenden Elemente enth¨ alt. Nun wiederholen wir das obige Verfahren, bis L und U insgesamt bestimmt sind. Zur Beschreibung der rechtsschauenden Methode verwenden wir ein rekursives Verfahren Wir partitionieren die Matrizen in 2 × 2 Bl¨ocke in der Form     L11 0 U11 U12 L= ,U= , L21 L22 0 U22     L11 U12 L11 U11 A11 A12 = . A= A21 A22 L21 U11 L21 U12 + L22 U22 Zun¨ achst bestimmen wir L11 und U11 aus einer kleinen LU -Zerlegung von −1 onnen wir L21 = A21 U11 und U12 = L−1 A11 . Danach k¨ 11 A12 berechnen. Zur Bestimmung von L22 und U22 betrachten wir A˜ := L22 U22 = A22 − L21 U12 . Die Berechnung der LU -Zerlegung von A˜ liefert dann L22 und U22 . Dazu partitionieren wir A˜ wieder in 2 × 2 Blockform, womit wir wieder in der Ausgangslage sind, diesmal mit A˜ an Stelle von A. Dieses Vorgehen k¨onnen wir also rekursiv wiederholen, bis ganz A abgearbeitet ist. Diese Blockversionen der LU -Zerlegung beruhen in jedem Teilschritt auf kleineren Dreiecksgleichungssystemen, kleineren LU -Zerlegungen und kleineren Matrix-Matrix-Produkten. Das Arbeiten in Bl¨ocken f¨ uhrt zu einer Verbesserung des Datenflusses; außerdem besteht ein Großteil der Rechnungen nun aus einfachen Matrix-Matrix-Produkten. Die parallele Aufteilung der auszuf¨ uhrenden Operationen ist so wesentlich leichter durchf¨ uhrbar. Dies erh¨oht die Effizienz und erlaubt h¨ ohere Megaflop-Raten, besonders f¨ ur die rechtsschauende und f¨ ur die Crout-Variante. F¨ ur eine symmetrisch positiv definite Matrix A kann nach demselben Berechnungsschema wie bei Crout eine Cholesky-Zerlegung A = LT L bestimmt werden. Dabei gilt wegen der Symmetrie U = LT ; man spart daher Kosten und Speicher, da mit L gleichzeitig auch U berechnet wird. Dadurch entsteht ein Algorithmus, der in n3 /3 + O(n2 ) Operationen nur halb so teuer ist wie die ursp¨ ungliche Gauß-Elimination. Das Cholesky-Verfahren l¨asst sich beschreiben durch das Programm

142

11 Effiziente L¨ osung linearer Gleichungssysteme

FOR j=1,...,n: L[j,j]=A[j,j]; FOR k=1,...,j-1: L[j,j]=L[j,j]-L[j,k]^2; ENDFOR L[j,j]=sqrt(L[j,j]); FOR i=j+1,...,n: L[i,j]=A[i,j]; FOR k=1,...,j-1: L[i,j]=L[i,j]-L[i,k]*L[j,k]/L[j,j]; ENDFOR ENDFOR ENDFOR ¨ Ubung 48. Es soll nachgepr¨ uft werden, dass die durch obiges Programm berechnete Matrix L eine Cholesky-Faktorisierung A = LT L liefert. Zusammenfassung: Zum Erstellen effizienter Programme ist es wichtig, Speichereffekte, Datenfluss und -zugriff zu ber¨ ucksichtigen. Bei Mehrfachschleifen sollte sich die innerste Schleife einfach und gut zur Fließbandverarbeitung eignen; der a ¨ußerste Loop sollte umfangreich und gut parallelisierbar sein. Das blockweise Aufteilen der Daten f¨ uhrt meist zu schnelleren Laufzeiten. Als Hilfsmittel zur Erstellung von Programmen auf Parallelrechnern stehen inzwischen mit PVM3 , MPI4 und OpenMP leistungsf¨ahige Tools zur Verf¨ ugung. Weiterhin ist High Performance FORTRAN eine Programmiersprache, die auf die Verwendung in paralleler Umgebung zugeschnitten ist.

3 4

Parallel Virtual Machine Message Passing Interface

12 Anwendungsbeispiele

Insofern sich die S¨atze der Mathematik auf die Wirklichkeit bezie” hen, sind sie nicht sicher, und insofern sie sicher sind, beziehen sie sich nicht auf die Wirklichkeit.“ Albert Einstein

12.1 Computertomographie Bei der Computertomographie stehen wir vor der Aufgabe, u ¨ ber das Innenleben eines Gegenstandes genauere Information zu erhalten, ohne den Gegenstand zu zerlegen (was wohl besonders bei lebenden Organismen nicht angebracht w¨ are). Insbesondere soll die Dichtefunktion im Inneren des Gegenstands bestimmt werden, mit deren Hilfe dann einzelne Bestandteile (Knochen, Organe) identifiziert werden k¨ onnen. Die Dichte des K¨ orpers ist daf¨ ur verantwortlich, daß z.B. ein R¨ontgenstrahl beim Durchlaufen des Gegenstandes an Intensit¨at verliert. Die Aufgabe der Computertomographie besteht darin, aus diesen Intensit¨atsverlusten u oglichst viele Strahlenrichtungen ein Bild des Innenlebens des Gegen¨ ber m¨ standes zu errechnen. Körper

a

Strahl

S Intensität

I0

Intensität I 1

b

Abb. 12.1. Intensit¨ atsverlust bei Durchstrahlung eines K¨ orpers.

Der infinitesimale Intensit¨ atsverlust dI an einer Stelle s im K¨orper ist proportional zur Dichte und Intensit¨ at an dieser Stelle s und zur infinitesimalen L¨ ange ds, die wir betrachten, also

144

12 Anwendungsbeispiele

dI = −(s)Ids. Daraus ergibt sich f¨ ur den Intensit¨ atsverlust I0 /I1 durch Integration entlang des Strahls S    I1  b dI I1 = ln =− (s)ds I I0 I0 a oder





b

 ds = ln a

I0 I1

 .

Durch Messger¨ ate k¨ onnen I0 und I1 f¨ ur beliebige Strahlen bestimmt werden, aber nat¨ urlich nur f¨ ur endlich viele. Aus diesen endlich vielen Messwerten soll eine Absch¨ atzung f¨ ur die Dichte  im Inneren abgeleitet werden. Wir wollen hier das Problem nur in sehr vereinfachter Form zweidimensional behandeln. Dazu nehmen wir eine einfache Fl¨ache Q, die in 9 Quadrate Qij , i, j = 1, 2, 3 konstanter Dichte ij eingeteilt ist.

S

I0

L 21

I1

Abb. 12.2. Einfaches Modell zur Computertomographie.

F¨ ur den Intensit¨ atsverlust eines Strahles Sk folgt aus diesen Vorgaben  Vk = ln

I0 I1

 =

3   i,j=1

ij ds = Qij

3 

ij Lk,ij ,

i,j=1

wobei Lk,ij die L¨ ange des Strahls Sk im Quadrat Qij ist. F¨ ur jeden Strahl Sk liefert dies eine Gleichung zwischen den unbekannten Dichten ij und dem gemessenen Intensit¨ atsverlust Vk . Die dazugeh¨orige Matrix h¨ angt von der Aufteilung des K¨ orpers in Segmente ab und von den ausgew¨ ahlten Strahlen. Wir w¨ ahlen mindestens neun Strahlen S1 , . . . , Sm aus, messen Vk und versuchen daraus die Dichten ij zu bestimmen. Wir verteilen die gesuchten Dichtewerte in den Vektor r = (11 , 12 , 13 , 21 , . . . , 33 )T

12.1 Computertomographie

145

mit Komponenten rl , l = 1, . . . , 9, und die Intensit¨atsverluste in den Vektor V = (V1 , . . . , Vm ). Um die gemessenen Werte so gut wie m¨ oglich mit einer passenden Dichte¨ funktion zur Ubereinstimmung zu bringen, verwenden wir wieder das lineare Ausgleichsproblem der Form 9 min (Lk,l )m, k=1, l=1 r − V 2 .

Die gesuchte Dichte ist dann die L¨ osung der Normalgleichung LT Lr = LT V. ¨ Ubung 49. Als Strahlen w¨ ahlen wir drei Diagonalen, drei waagrechte und drei senkrechte Strahlen durch die Mittelpunkte der Zellen. Durch diese geometrischen Vorgaben ist die Matrix L bestimmt. Ist LT L eine regul¨are Matrix? Wie sieht das regularisierte Gleichungssystem aus (vgl. Kapitel 10.3)?

¨ Abb. 12.3. Strahlenverlauf zu Ubung 49.

Zu der in Abb. 12.3 beschriebenen Geometrie betrachten wir eine Dichteverteilung, bei der alle ij gleich Null sind und nur das Quadrat 31 den Wert Eins hat. Aus diesen Daten soll der sich ergebende Vektor der Intensit¨ atsverluste V theoretisch berechnet werden. Daraus soll durch Aufl¨osen des regularisierten Gleichungssystems eine Dichteverteilung r ermittelt werden. Durch Hinzuf¨ ugen weiterer Strahlen l¨ asst sich eine bessere N¨aherung an die gegebene Dichtefunktion bestimmen. F¨ ur praktische Anwendungen erweist sich dieses einfache Modell als nicht geeignet. Bessere Verfahren findet man z.B. in [39].

146

12 Anwendungsbeispiele

12.2 Neuronale Netze Neuronale Netze dienen der Modellierung komplexer Systeme und sind der Funktionsweise des menschlichen Gehirns nachempfunden. Im einfachsten Fall besteht das Netz aus n Knoten N1 , . . . , Nn . Jeder Knoten Ni empf¨angt arkt dieses Signal mit einem Faktor wi und gibt es ein Eingangssignal xi , verst¨ an einen gemeinsamen Ausgangsknoten weiter, der alle eingehenden Signale aufsummiert zu n  y= wi xi . i=1

Auf den Wert y wird dann noch eine Entscheidungsfunktion f (.) angewendet, und der Funktionswert f (y) ist dann die Ausgabe des Neuronalen Netzes.

x1 x2 x3 ... xn

w1 w2 w3

Σ x i wi

f( . )

... wn Abb. 12.4. Einschichtiges Neuronales Netz mit Funktion f (y).

Oft ist man daran interessiert, gegebene Eingabedaten x1 , . . . , xn automatisch auf eine gesuchte Eigenschaft hin zu analysieren. Dazu definieren wir angig von y dann Null(=Nein) die Funktion f : IRn → {0, 1}, so dass sie abh¨ oder Eins(=Ja) liefert. Auf diese Weise kann ein Neuronales Netz wie in Abb. 12.4 beschrieben dazu dienen, bestimmte Eigenschaften der Zahlen xi zu erkennen und durch den Wert Null oder Eins anzuzeigen. Als Beispiel wollen wir die Steuerung der Wassermenge in einer Waschmaschine betrachten. Nach Einf¨ ullen einer gewissen Wassermenge pr¨ ufen mehrere Sensoren die Tr¨ ubung des Wassers durch Schmutz anhand von n Werten xi der Lichtdurchl¨ assigkeit des Wassers (tr¨ ubes Wasser bedeutet stark verschmutzte W¨ asche). Wir k¨ onnen mittels wi := 1/n die Zahl y als den Mittelwert der xi berechnen. Unterschreitet y nun einen bestimmten vorgegebenen Wert, so wird dies als stark verschmutzte W¨asche interpretiert und die Waschmaschine kann darauf reagieren, indem sie mehr Wasser hinzuf¨ ugt und die Waschzeit verl¨ angert. Die dazugeh¨ orige Funktion f (y) ist in diesem Fall also definiert durch

12.3 Leontief’sches Weltmodell

 f (y) =

0, 1,

147

falls y < α sonst.

In Verbindung mit Fuzzy-Steuerungsmechanismen finden solche Verfahren verst¨ arkt Anwendung in allt¨ aglichen Gebrauchsger¨aten. Ein Neuronales Netz ist haupts¨ achlich durch die Gewichte wi bestimmt, die daher so zu w¨ ahlen sind, dass das Netz die gesuchte L¨osung eines Problems finden und angeben kann. Bei komplizierteren Fragestellungen u ¨ bernimmt diese Aufgabe ein Lernalgorithmus, der anhand von Testbeispielen das Neuronale Netz optimiert, so dass das Netz m¨ oglichst die gew¨ unschte richtige Antwort in Form einer Zahl y˜ liefert. Um geeignete Gewichte zu konstruieren, gehen wir also davon aus, dass wir Tests Bj mit Eingabedaten x(j) und bekannten Resultaten yj verwenden, j = 1, . . . , m. Wir f¨ uhren die Vektoren (j) (j) w = (w1 , . . . , wn )T , y = (y1 , . . . , ym )T und x(j) = (x1 , . . . , xn )T ein. Dann sind die Gewichte so zu w¨ ahlen, dass n 

(j)

wi xi

= wT x(j) = x(j)T w ≈ yj ,

j = 1, . . . , m

i=1

ist. Verwenden wir wieder die euklid’sche Norm, so f¨ uhrt dies auf das Lineare Ausgleichsproblem ⎛ ⎞ T x(1) ⎜ . ⎟ ⎟ min Xw − y2 , X = ⎜ ⎝ .. ⎠ , w

x(m)

T

und das gesuchte Neuronale Netz ist gegeben durch die Gewichte, die wir aus der L¨ osung von X T Xw = X T y erhalten.

12.3 Leontief’sches Weltmodell Wir betrachten ein einfaches Modell f¨ ur den Ressourcenaustausch von Produkten zwischen Herstellern H1 , . . . , Hn . Die Produktionsmenge wird angegeben in e als Preis, der f¨ ur die entsprechende Menge zu zahlen ist. Es sei ai,j der Preis, f¨ ur den Hj von Hi Waren einkaufen muss, um selbst seine eigenen Waren im Wert von 1 e produzieren zu k¨ onnen. Die Matrix A = (ai,j )ni,j=1 beschreibt dann die kompletten Wirtschaftsbeziehungen der beteiligten Hersteller. In dem Vektor x = (x1 , . . . , xn )T bezeichne xi die Gesamtproduktion des Herstellers Hi . Wir nehmen zun¨ achst an, dass die n Hersteller nur untereinander liefern, also kein Export nach außen stattfindet. Dann handelt es sich bei den

148

12 Anwendungsbeispiele

 Wirtschaftsbeziehungen um einen station¨ aren Prozess. ni=1 ai,j ist die Warenmenge, die Hj insgesamt bei den anderen einkaufen muss, um Waren f¨ ur 1 e produzieren zu k¨ onnen; daher ist



 1 ··· 1 A = 1 ··· 1 oder

⎛ ⎞ ⎛ ⎞ 1 1 ⎜ .. ⎟ T ⎜ .. ⎟ A ⎝ . ⎠ = ⎝ . ⎠. 1

1

Matrizen mit dieser Eigenschaft heißen stochastische Matrizen. n Die i-te Komponente von Ax, n¨ amlich j=1 ai,j xj , ist dann die Warenmenge, die Hersteller Hi an die anderen Produzenten liefert und damit gleich der Produktion von Hi . Also gilt in diesem geschlossenen Wirtschaftsmodell Ax = x . Zur Beschreibung der Produktionsmengen, die notwendig sind, damit der Wirtschaftskreislauf funktioniert, m¨ ussen wir also ein Gleichungssystem (A − I)x = 0 l¨osen. Das Problem, einen Vektor x mit der Eigenschaft Ax = λx, λ ∈ IR, zu finden, heißt Eigenwertproblem (vgl. Anhang B.4). Mit obiger Gleichung ist also ein Eigenvektor x zu dem Eigenwert Eins gesucht. ¨ Ubung 50. Wie l¨ asst sich ein singul¨ ares lineares Gleichungssystem wie (A− I)x = 0 durch Gauß-Elimination l¨ osen? Wie viele L¨osungen gibt es, wenn die Matrix A − I vom Rang n − 1 ist? Lassen wir Export zu, so sprechen wir von einem offenen Weltmodell. Dann hat jeder Produzent auch die M¨ oglichkeit, seine Waren noch an andere Abnehmer zu verkaufen. Diese zus¨ atzliche Produktion sei ausgedr¨ uckt durch den Vektor b, wobei bi wieder die zus¨ atzliche Produktion von Hi bezeichne. Die Eintr¨ age der Matrix A haben im offenen Modell andere Werte als im geschlossenen Modell; insbesondere ist nicht mehr (1 · · · 1)A = (1 · · · 1), da das Modell Austausch mit anderen Partnern zul¨asst. ¨ Nun beschreibt (Ax)i die internen Lieferungen von Hi , und der Uberschuss zwischen den internen Lieferungen und der Gesamtproduktion muss gleich dem Export sein. Daher erf¨ ullt die Gesamtproduktion die Gleichung Ax + b = x,

oder

(I − A)x = b .

Es ist diesmal ein lineares Gleichungssystem mit einer Matrix I − A zu l¨osen.

13 Aufgaben

A mathematician is a blind man in a dark room looking for a black ” cat which isn’t there“ Charles R. Darwin

¨ Ubung 51. Berechnen Sie das Matrix-Vektor-Produkt       u ab x = v cd y Die Eingangsdaten x und y seien mit einem relativen Fehler εx bzw. εy behaftet. Die absoluten Fehler bezeichnen wir mit Δu, Δv, Δx und Δy. Die Elemente der Matrix A seien exakt. a) Bestimmen Sie den relativen Fehler Δu in Abh¨angigkeit der Eingangsfehler und der bei Addition und Multiplikation auftretenden Rundungsfehler. Wann ist die Aufgabe, u zu berechnen, schlecht konditioniert? b) Wir nehmen an, dass die auftretenden Rechnungen exakt ausgef¨ uhrt werden. Bestimmen Sie den relativen Fehler des Vektors (u, v)T in Abh¨angigkeit vom relativen Fehler des Vektors (x, y)T : (Δx, Δy)T (Δu, Δv)T = f (x, y, Δx, Δy) · , T (u, v)  (x, y)T 

f =?

c) Geben Sie eine Ungleichung an, die die Norm dieses relativen Fehlers durch den relativen Fehler im Eingabevektor (x, y)T mittels der Kondition von A begrenzt. d) Wann ist die Aufgabe, den Vektor (u, v)T zu berechnen, schlecht konditioniert? ¨ Ubung 52 (Kondition einfacher Matrizen). Bestimmen Sie die Kondition der folgenden Matrizen: a) A1 =  diag(1,  2) und A2 = diag(1, 2, · · · , 100), 1 1 b) A3 = , 1 −1

150

13 Aufgaben

c) A4 = A1 ∗ A3 und A5 = A3 ∗ A1 . ¨ Ubung 53 (Matrixkondition und QR-Zerlegung). Im Folgenden betrachten wir die Matrix A ∈ IR2,2 , gegeben durch   1 1000 A= . 1000 1 Zudem definieren wir die Einheitsvektoren e1 = (1, 0)T und e2 = (0, 1)T . a) Berechnen Sie die die beiden Matrix-Vektor-Produkte Ae1 und Ae2 . Zeichnen Sie die beiden Ergebnisvektoren zusammen mit den Einheitsvektoren in ein Koordinatensystem. Begr¨ unden Sie damit, warum die Matrix A ihrer Meinung nach eher oder eher schlecht konditioniert ist. b) Berechnen Sie die LU -Zerlegung (ohne Pivotsuche) von A. Bestimmen Sie dann die beiden Matrix-Vektor-Produkte Le1 und Le2 . Liefern Sie (wiederum mit Hilfe einer Zeichnung) Anhaltspunkte f¨ ur die Kondition von L. c) Berechnen Sie die QR-Zerlegung von A. Treffen Sie analog zur Vorgehensweise in den Teilaufgaben a) und b) eine begr¨ undete Aussage u ¨ ber die Kondition der Matrix Q. ¨ Ubung 54. Gegeben ist ein lineares Gleichungssystem mit einer Tridiagonalmatrix ⎞⎛ x ⎞ ⎛ b ⎞ ⎛ 1 1 a1 c1 0 · · · 0 ⎟ ⎜ b2 ⎟ x ⎜ .. ⎟ ⎜ 2 ⎜ ⎟ ⎜ ⎟ ⎜ d2 a2 c2 . ⎟ .. ⎟ ⎜ .. ⎟ ⎟⎜ ⎜ ⎜ ⎜ ⎟ . ⎟ ⎜ . ⎟ ⎟ ⎜ =⎜ . ⎟ ⎜ 0 ... ... ... 0 ⎟ ⎜ ⎜ ⎟ ⎜ .. ⎟ ⎜ .. ⎟ ⎟ ⎟ ⎟⎜ . ⎟ ⎜ ⎜ . . . ⎜ ⎟ . . . ⎝ . . . cn−1 ⎠ ⎝ x ⎝ ⎠ bn−1 ⎠ n−1 0 · · · · · · dn an xn bn a) Formulieren Sie das Verfahren der Gauß-Elimimation ohne Pivotsuche in einem Pseudocode zur L¨ osung des obigen Gleichungssystems. b) Wieviele Additionen, Multiplikationen, Divisionen ben¨otigt dieser Algorithmus? c) Man untersuche die Fragestellung von Teilaufgabe a) und b) f¨ ur den Fall von Spalten-, Zeilen- und Total-Pivotsuche. ¨ Ubung 55. Gegeben ist ein lineares Gleichungssystem der Form ⎛ ⎛ ⎞⎛ ⎞ ⎞ a1,1 a1,2 0 x1 b1 ··· 0 a1,n ⎜ a2,1 a2,2 a2,3 ⎜ ⎜ b2 ⎟ ⎟ 0 ··· 0 ⎟ ⎜ ⎜ ⎟ ⎜ x2 ⎟ ⎟ ⎜ ⎜ ⎜ .. ⎟ ⎟ ⎟ . . . . . .. ⎟ ⎜ .. ⎟ .. .. ⎜ 0 a3,2 . . ⎜ . ⎟ ⎜ ⎜ ⎟⎜ ⎟ ⎟ ⎜ . . ⎟⎜ . ⎟ = ⎜ . ⎟ .. .. .. ... . . ⎜ .. ⎜ ⎜ ⎟ ⎟ ⎟ . . 0 ⎟⎜ . ⎟ ⎜ ⎜ . ⎟ ⎝ 0 · · · 0 an−1,n−2 an−1,n−1 an−1,n ⎠ ⎝ xn−1 ⎠ ⎝ bn−1 ⎠ an,1 0 · · · 0 an,n−1 an,n xn bn

13 Aufgaben

151

a) Beschreiben Sie, wie sich die Besetztheitsstruktur der Matrix ¨andert, wenn Sie Gauß-Elimination ohne Pivotsuche durchf¨ uhren. b) Geben Sie ein Verfahren an, die Eintr¨ age der Matrix so zu speichern, dass im Verlauf der Gauß-Elimination ohne Pivotsuche keine u ussigen ¨ berfl¨ Nullen gespeichert werden. c) Formulieren Sie das Verfahren der Gauß-Elimimation ohne Pivotsuche in einem Pseudocode zur L¨ osung des obigen Gleichungssystems. Benutzen Sie dabei die in b) definierte Speicherung der Matrix. Sch¨atzen Sie gr¨ oßenordnungsm¨ aßig die Anzahl der anfallenden Rechenoperationen ab. d) Wie kann sich die Struktur der Matrix ¨ andern, wenn Sie Spalten-Pivotsuche durchf¨ uhren? ¨ Ubung 56. Gegeben ist das lineare Gleichungssystem in Hessenberg-Form ⎛ ⎛ ⎞ ⎞ ⎛ ⎞ b1 x h1,1 h1,2 · · · · · · h1,n ⎜ 1 ⎟ ⎜ b2 ⎟ ⎜ h2,1 h2,2 · · · · · · h2,n ⎟ ⎜ x2 ⎟ ⎜ ⎟ ⎜ ⎜ .. ⎟ ⎟ ⎜ .. ⎟ ⎜ ⎜ ⎜ ⎟ ⎟ . . . .. ⎟ ⎜ . ⎟ = ⎜ . ⎟ .. .. ⎜ 0 ⎟ ⎜ ⎜ . ⎟ ⎟⎜ . ⎟ . . ⎜ . . ⎜ ⎜ ⎟ ⎟ ⎟ .. . ⎟ .. ... ... ⎜ . ⎟ ⎝ .. . ⎠⎜ ⎝ bn−1 ⎠ ⎝ xn−1 ⎠ 0 · · · 0 hn,n−1 hn,n xn bn a) Formulieren Sie in einem Pseudo-Code das Verfahren der Gauß-Elimination ohne Pivotsuche unter Ausnutzung der Struktur der gegebenen Matrix. b) Wie viele Operationen ben¨ otigen Sie gr¨ oßenordnungsm¨aßig? c) Womit ist zu rechnen, wenn Sie Spalten- oder Zeilen-Pivotsuche zulassen? ¨ Ubung 57. Zu zwei Vektoren u und v der L¨ ange n ist das Produkt uv T eine n × n-Matrix. Zeigen Sie zu einer regul¨ aren n × n-Matrix mit v T A−1 u = −1 die Sherman-Morrison-Woodbury-Formel: −1

A−1 uv T A−1 . = A−1 − A + uv T (1 + v T A−1 u) Gegeben sei eine d¨ unnbesetzte Matrix der Form ⎞ ⎛ ∗ ⎟ ⎜∗ ∗ ⎟ ⎜ ⎜ .. . . ⎟ . ⎝. . ⎠ ∗

∗

Geben sie die Inverse dieser Matrix explizit an. ¨ Ubung 58. Wie viele Operationen sind n¨ otig, um f¨ ur eine n × m-Matrix, n ≥ m mit vollem Rang, die QR-Zerlegung mittels Givens-Reflexionen zu berechnen?

152

13 Aufgaben

¨ Ubung 59. Wie viele Operationen sind n¨ otig, um f¨ ur eine symmetrische, positiv definite n×n-Matrix, die Cholesky-Zerlegung zu berechnen? ¨ Ubung 60. Bestimmen Sie eine QR-Zerlegung der Form AP = QR f¨ ur die Matrix ⎛ ⎞ 021 A = ⎝0 0 1⎠. 001 ¨ Ubung 61. Bestimmen Sie die effiziente Speicherung und Varianten der Gauß-Elimination bei linearen Gleichungssystemen mit Matrizen folgender Gestalt: ⎞ ⎞ ⎞ ⎛ ⎛ ⎛ ∗ ∗ ∗ ∗ ∗∗∗∗∗ ⎜ ∗ ∗ ⎟ ⎜∗ ∗ ⎜ ∗⎟ ∗ ⎟ ⎟ ⎟ ⎟ ⎜ ⎜ ⎜ ⎟ ⎟, ⎟. ⎜ ⎜ ∗ ∗ ∗ ∗ ∗ , A A = = AX = ⎜ N Z ⎟ ⎟ ⎟ ⎜ ⎜ ⎜ ⎠ ⎝ ∗ ∗ ⎠ ⎝∗ ⎝ ∗ ∗ ∗⎠ ∗ ∗ ∗ ∗ ∗∗∗∗∗

Teil IV

Interpolation und Integration

14 Interpolation

Der Begriff der Mathematik ist der Begriff der Wissenschaft ¨ uber” haupt.“ Novalis

14.1 Interpolationsaufgabe Die Technik der Interpolation war schon vor dem Computerzeitalter weit verbreitet und notwendig. In Tafelwerken, die man heute fast nur noch antiquarisch kaufen kann, waren f¨ ur bestimmte Funktionen wie Logarithmus, Exponentialfunktion, Sinus oder Cosinus die Werte an vorgegeben Stellen tabelliert. So konnten f¨ ur die Exponentialfunktion aus dem Tafelwerk die Wertepaare exp(0.45) = 1.5683 und exp(0.46) = 1.5841 abgelesen werden. War der Wert exp(0.454) gesucht, so wurde diese Zahl durch lineare Interpolation n¨ aherungsweise berechnet. Dazu bestimmte man zu den Wertepaaren an den Stellen 0.45 und 0.46 das dazugeh¨ orige Interpolationspolynom vom Grad 1, das entspricht der Geraden durch diese Punkte. Als N¨aherungswert f¨ ur exp(0.454) wurde dann der Wert dieser Geraden an der Stelle 0.454 gesetzt, also 1.574598 . . . = exp(0.454) 1.5841 − 1.5683 ≈ 1.5683 + (0.454 − 0.45) 0.46 − 0.45 = 1.5746. Unter Verwendung von mehr St¨ utzstellen und Polynomen h¨oheren Grades l¨ asst sich ein besserer N¨ aherungswert bestimmen. Definition 26. Unter einem Interpolationsproblem verstehen wir – zu paarweise verschiedenen Stellen xj und dazu geh¨origen vorgegebenen Werten yj , j = 0, 1, . . . , n, die zu einer unbekannten Funktion f (x) mit f (xj ) = yj geh¨oren,

156

14 Interpolation 1.5841 exp(x)

1.5746

1.574598

1.5683 0.45

0.454

0.46

Abb. 14.1. N¨ aherungsweise Berechnung von exp(0.454).

– und gegebenen Ansatzfunktionen g0 (x), . . . , gn (x) (wie zum Beispiel xk oder cos(kx), jeweils f¨ ur k = 0, . . . , n) Koeffizienten c0 , c1 , . . . , cn zu finden, so dass G(xj ) =

n 

ck gk (xj ) = yj ,

mit j = 0, 1, . . . , n,

k=0

gilt. Ziel ist es also, eine gegebene Funktion durch Linearkombination der Ansatzfunktionen so anzun¨ ahern, dass die beiden Funktionen an den St¨ utzstellen genau u ¨ bereinstimmen. Diese n + 1 Bedingungen beschreiben ein lineares Gleichungssystem der Form ⎛ ⎞⎛ ⎞ ⎛ ⎞ g0 (x0 ) g1 (x0 ) · · · gn (x0 ) y0 c0 ⎜ .. .. ⎟ ⎜ .. ⎟ = ⎜ .. ⎟ . .. ⎝ . . ⎠⎝ . ⎠ ⎝ . ⎠ . g0 (xn ) g1 (xn ) · · · gn (xn )

cn

yn

Durch L¨ osen dieses Systems k¨ onnen wir die gesuchten Koeffizienten cj und die Funktion G(x), die als Linearkombination aus den Ansatzfunktionen die Interpolationsbedingung erf¨ ullt, berechnen. Zur Unterscheidung sei noch auf das damit eng verwandte Approximationsproblem verwiesen. Bei der Approximation suchen wir ebenfalls Koeffizienten c0 , . . . , cm zu Ansatzfunktionen g0 (x), . . . , gm (x), so dass zum Beispiel bez¨ uglich der euklid’schen Norm ⎛ m 2 ⎞ n   ⎝ ck gk (xj ) − yj ⎠ j=0

k=0

minimal wird (vgl. Kapitel 10). In beliebiger Vektornorm lautet das Problem also:

14.2 Interpolation mit Polynomen

157

⎛ m ⎞   k=0 ck gk (x0 ) − y0   ⎜  ⎟ . .. min ⎝ ⎠ . c0 ,...,cm    m   k=0 ck gk (xn ) − yn Damit sich diese Minimierungsaufgabe effizient l¨osen l¨asst, wird in der Regel die euklid’sche Norm verwendet. ¨ Ubung 62 (Approximation in anderen Normen). Um die Vorteile der euklid’schen Norm sch¨ atzen zu lernen, betrachten wir ein einfaches Approximationsproblem in anderen Normen: Es soll diejenige Gerade y(x) = ax + b bestimmt werden, die von den Punkten (0, 0), (1, 1) und (0.5, 0.25) den kleinsten Abstand in der Maximumsnorm hat: min{max{|b|, |a + b − 1|, |0.5a + b − 0.25|}} a,b

Hinweis: Das Minimum in obigem Ausdruck wird angenommen, wenn zwei der drei Terme gleich sind. Durch eine geeignete Fallunterscheidung kann man daher die optimalen Werte f¨ ur a und b bestimmen. Um die Minimall¨ osung in der 1-Norm zu finden, bestimme man a und b durch min{|b| + |a + b − 1| + |0.5a + b − 0.25|} a,b

14.2 Interpolation mit Polynomen Wenden wir uns zun¨ achst der Polynominterpolation zu. Die Ansatzfunktionen sind vonder Form gk (x) = xk . Wir suchen also dasjenige Pon k lynom p(x) = k=0 ck x , das die Interpolationsbedingung p(xj ) = yj , j = 0, 1, . . . , n erf¨ ullt. In diesem Spezialfall erhalten wir das Gleichungssystem ⎛ ⎞⎛ ⎞ ⎛ ⎞ 1 x0 · · · xn0 y0 c0 ⎜ .. .. .. ⎟ ⎜ .. ⎟ = ⎜ .. ⎟ . (14.1) ⎝. . . ⎠⎝ . ⎠ ⎝ . ⎠ 1 xn · · · xnn

cn

yn

Das sind n + 1 Gleichungen f¨ ur die n + 1 Unbekannten c0 , . . . , cn . Die da  zugeh¨ orige Matrix xkj j,k=0,...,n hat offensichtlich eine sehr spezielle Struktur und heißt Vandermonde-Matrix. Lagrange-Polynome Die Bestimmung der Koeffizienten c0 , . . . , cn des Interpolationspolynoms zu den Wertepaaren (x0 , y0 ), . . . , (xn , yn ) kann durch L¨osen des obigen linearen Gleichungssystems (14.1) erfolgen. Wir wollen im Folgenden effizientere Wege aufzeigen. Dazu definieren wir spezielle Polynome vom Grad n, die so genannten Lagrange-Polynome

158

14 Interpolation n

Lj (x) = i=0,i =j

=

x − xi xj − xi

(x − x0 ) · · · (x − xj−1 )(x − xj+1 ) · · · (x − xn ) (xj − x0 ) · · · (xj − xj−1 )(xj − xj+1 ) · · · (xj − xn )

f¨ ur j = 0, 1, . . . , n. Jedes Lj (x) hat die Eigenschaft, dass es genau an den St¨ utzstellen = xj zu Null wird, und nur genau an der Stelle xj den Wert 1 annimmt (Abb. 14.2): Lj (xj ) = 1

und

Lj (xi ) = 0, falls i = j.

3

2.5

2

1.5

1

0.5

0

−0.5

−1 −0.5

0

0.5

1

1.5

2

2.5

3

3.5

4

4.5

Abb. 14.2. Lagrange-Polynom L2 (x) zu St¨ utzstellen xj = j, j = 0, 1, 2, 3, 4.

Das Polynom p(x) =

n 

yj Lj (x),

j=0

ist ein Polynom n-ten Grades, und erf¨ ullt offensichtlich die Interpolationsbedingungen p(xi ) =

n 

yj Lj (xi ) = yi Li (xi ) = yi ,

f¨ ur i = 0, . . . , n.

j=0

Daher ist p(x) eine L¨ osung der Interpolationsaufgabe. Wir haben damit gezeigt, dass das Polynominterpolationsproblem stets eine L¨osung besitzt. Dar¨ uber hinaus k¨ onnen wir auch leicht die Eindeutigkeit dieser L¨osung beweisen. Wesentliches Hilfsmittel dabei ist der Hauptsatz der Algebra:

14.2 Interpolation mit Polynomen

159

Theorem 3. Jedes Polynom p(x) vom Grad n kann als Produkt von n linearen Faktoren (den evtl. komplexen Nullstellen) geschrieben werden als p(x) = α(x − x1 )(x − x2 ) · · · (x − xn ) . Nehmen wir an, dass wir zwei L¨ osungen p1 (x) und p2 (x) der Interpolationsaufgabe gefunden haben. Wegen p1 (xi ) = yi = p2 (xi ), hat das Polynom q(x) := p1 (x) − p2 (x) daher n + 1 Nullstellen x0 , . . . , xn . Da q(x) vom Grad n ist und sogar n + 1 paarweise verschiedene Nullstellen besitzt, muss α in der obigen Faktorisierung und damit auch q(x) konstant gleich Null sein, q(x) ≡ 0. Daraus ergibt sich p1 (x) ≡ p2 (x) und die beiden L¨osungen sind identisch. Daher gibt es genau eine L¨ osung des Polynominterpolationsproblems. Zur numerischen Bestimmung des Interpolationspolynoms wird normalerweise nicht die Lagrange-Darstellung verwendet, da sie keine genaue Rundungsfehleranalyse zul¨ asst, aufwendig ist und inflexibel in Bezug auf Ver¨anderung der St¨ utzstellen. Induktive Berechnung des Interpolationspolynoms Wir wollen zu den St¨ utzpaaren (xj , yj ), j = 0, 1, . . . , n, eine andere Methode vorstellen, das dazugeh¨ orige Interpolationspolynom vom Grade n zu bestimmen. Dazu bezeichnen wir das Interpolationspolynom zu den St¨ utzpaaren (xi , yi ), . . . , (xi+l , yi+l ) mit pi,...,i+l (x). Wir k¨onnen die Berechnung dieses Polynoms vom Grade l zur¨ uckf¨ uhren auf die beiden interpolierenden Polynome pi+1,...,i+l (x) und pi,...,i+l−1 (x) vom Grade l − 1 mittels pi,...,i+l (x) =

(x − xi )pi+1,...,i+l (x) − (x − xi+l )pi,...,i+l−1 (x) . xi+l − xi

(14.2)

Um dies zu sehen, gen¨ ugt es, die Interpolationsbedingungen an den St¨ utzstellen zu u ufen; denn aus den Interpolationsbedingungen f¨ ur pi+1,...,i+l (x) ¨berpr¨ ur und pi,...,i+l−1 (x) folgt unmittelbar, dass die Interpolationsbedingungen f¨ pi,...,i+l (x) ebenfalls erf¨ ullt sind: 0 − (xi − xi+l )yi = yi , xi+l − xi (xi+l − xi )yi+l − 0 pi,...,i+l (xi+l ) = = yi+l xi+l − xi und f¨ ur i < j < i + l (xj − xi )yj − (xj − xi+l )yj = yj . pi,...,i+l (xj ) = xi+l − xi pi,...,i+l (xi ) =

Daher ist pi,...,i+l (x) das eindeutige Interpolationspolynom zu (xi , yi ), . . ., (xi+l , yi+l ).

160

14 Interpolation

Bei der Polynominterpolation unterscheiden wir zwei Aufgaben. Die erste, recht h¨ aufige Aufgabe tritt auf, wenn man nur an wenigen Werten des Polynoms interessiert ist. Dabei geht es um die Auswertung von p(x) an einer vorgegebenen Stelle x. Bei der zweiten Aufgabe will man das Interpolationspolynom tats¨ achlich explizit angeben; damit werden wir uns in Kapitel 14.4 besch¨ aftigen. Zun¨ achst wollen wir Formel (14.2) verwenden, um p(x) an einer einzigen Stelle x auszuwerten. Abbildung 14.3 zeigt das Tableau von Funktionsauswertungen der Interpolationspolynome wachsenden Grades an der Stelle x. Dabei wird jeweils aus zwei benachbarten Interpolationsproblemen vom Grad l − 1 der Wert des n¨ achsten Polynoms vom Grad l hergeleitet. Mittels Formel (14.2) wird zu einer Stelle x das Neville-Tableau (Abb. 14.3) gebildet; dabei w¨ achst der Grad der Polynome von links nach rechts, die erste Spalte enth¨ alt also konstante, die zweite Spalte lineare Polynome usw. Der Wert ganz rechts ist der Wert des interpolierenden Polynoms unter Ber¨ ucksichtigung aller St¨ utzstellen an der Stelle x.

Grad x0

0

1

2

3

y0=p0(x) p01(x)

x1

y1=p1(x)

p012(x) p12(x)

x2

y2=p2(x)

p0123(x) p123(x)

p23(x) x3

y3=p3(x)

Abb. 14.3. Neville-Schema zur Berechnung von p0123 (x) an einer Stelle x.

Beispiel 33. Wir approximieren die Funktion 2x mit den St¨ utzstellen −1, 0, 1 durch ein quadratisches Polynom. An der Stelle x = 2 k¨onnen wir dann den Wert des interpolierenden Polynoms mit dem exakten Wert 22 = 4 vergleichen. Zu den St¨ utzpaaren (−1, 1/2), (0, 1) und (1, 2) geh¨oren die LagrangePolynome

14.2 Interpolation mit Polynomen

161

(x − 0)(x − 1) , (−1 − 0)(−1 − 1) (x + 1)(x − 1) L1 (x) = , (0 + 1)(0 − 1) (x + 1)(x − 0) L2 (x) = , (1 + 1)(1 − 0)

L0 (x) =

und daher hat das zugeh¨ orige Interpolationspolynom die Form 1 · L0 (2) + 1 · L1 (2) + 2 · L2 (2) 2 1 = − 3 + 6 = 3.5. 2

p012 (2) =

Vergleichen wir dieses Ergebnis mit der Auswertung des Neville-Tableaus f¨ ur p012 (2). Mit (14.2) erhalten wir 1 (2 + 1)p1 (2) − (2 − 0)p0 (2) = 3·1−2· = 2 0+1 2 (2 − 0)p2 (2) − (2 − 1)p1 (2) = 2·2−1 =3 p12 (2) = 1−0 p01 (2) =

und damit p012 (2) =

3·3−2 (2 + 1)p12 (2) − (2 − 1)p01 (2) = = 3.5, 1+1 2

dargestellt im Tableau der Abb. 14.4.

x0=-1

y0=p0(2)=1/2 2

x1=0

y1=p1(2)=1

7/2 3

x2=1

y2=p2(2)=2

Abb. 14.4. Neville-Tableau zur Bestimmung von p012 (2) aus Beispiel 33.

Zur Auswertung des Interpolationspolynoms zu den St¨ utzpaaren (xi , yi ), i = 0, 1, . . . , n an einer Stelle c k¨ onnen wir daher folgendes Programm angeben, das auf einer leichten Umformulierung von (14.2) basiert:

162

14 Interpolation

FOR i=0,...,n: p[i] = y[i]; FOR k=i-1,...,0: p[k] = p[k+1] + (p[k+1]-p[k])*(c-x[i]) / (x[i]-x[k]); ENDFOR ENDFOR

14.3 Fehler bei der Polynom-Interpolation Es ist wichtig zu wissen, wie gut das interpolierende Polynom eine gegebene Funktion darstellt. ugend oft Theorem 4. Zu St¨ utzstellen x0 < x1 < . . . < xn sei eine gen¨ differenzierbare Funktion f (x) gegeben und das Interpolationspolynom p(x) vom Grade n mit p(xi ) = f (xi ) f¨ ur = 0, 1, . . . , n. An einer beliebigen Stelle x¯ gilt dann f¨ ur die Abweichung zwischen Funktion und Polynom die Formel f (¯ x) − p(¯ x) =

f (n+1) (χ) (¯ x − x0 ) · · · (¯ x − xn ). (n + 1)!

Dabei ist f (n+1) (χ) die (n + 1)-te Ableitung der Funktion f an einer Zwischenstelle χ, die in dem von x ¯, x0 und xn gebildeten Intervall I liegt. Beweis. Wir definieren mit K ∈ IR die Hilfsfunktion g(x) = f (x) − p(x) − K(x − x0 ) · · · (x − xn ). Die Funktion g hat offensichtlich die Nullstellen xi , i = 0, . . . , n. Zus¨atzlich gilt g(¯ x) = 0, wenn wir speziell K=

f (¯ x) − p(¯ x) (¯ x − x0 ) · · · (¯ x − xn )

w¨ ahlen. Also hat g in dem Intervall I mindestens n + 2 Nullstellen; daher hat die erste Ableitung g (x) immer noch n + 1, die zweite Ableitung g (x) noch n, usw., und die n + 1-te Ableitung g (n+1) (x) daher mindestens eine Nullstelle in I, die wir mit χ bezeichnen wollen. Die obigen Beziehungen zwischen den Nullstellen der Ableitungen einer Funktion folgen direkt aus dem Mittelwertsatz A.1. Also gilt an der Stelle χ 0 = g (n+1) (χ) =f

(n+1)

(χ) − p

(n+1)

  dn+1  (χ) − K · ((x − x ) · · · (x − x )) 0 n  dxn+1 χ

= f (n+1) (χ) − K(n + 1)! und daher K=

f (n+1) (χ) . (n + 1)!

14.3 Fehler bei der Polynom-Interpolation

163

Denn p(x) ist nur vom Grad n, d.h. die (n + 1)-te Ableitung verschwindet. Die (n + 1)-te Ableitung von xn+1 ist gerade (n + 1)!, w¨ahrend sie f¨ ur Terme xj , j ≤ n, gleich Null ist. Mit g(¯ x) = 0 folgt damit die behauptete Formel f¨ ur f (¯ x) − p(¯ x).   Ist die (n + 1)-te Ableitung von f (x) in dem Intervall I beschr¨ankt durch eine Konstante M , M = max |f (n+1) (x)| < ∞, x∈I

so kann der Fehler zwischen dem Interpolationspolynom und der gegebenen Funktion an jeder Stelle x ¯ ∈ I abgesch¨ atzt werden durch |f (¯ x) − p(¯ x)| ≤

M |(¯ x − x0 ) · · · (¯ x − xn )|. (n + 1)!

Diese Ungleichung gibt einen Hinweis, wie wir die St¨ utzstellen w¨ahlen sollten, um ein m¨ oglichst genaues Ergebnis zu erhalten. Der Schl¨ ussel dazu ist die Betrachtung der Funktion w(x) = |(x − x0 ) · · · (x − xn )|. Liegt die x) Stelle x ¯ am Rande des Intervalls [x0 , xn ] oder sogar außerhalb, so kann w(¯ groß werden. Liegt aber x¯ in der Mitte dieses Intervalls, so bleibt w(¯ x) klein, da die meisten Faktoren in w(¯ x) klein sind. Als Beispiel betrachten wir in Abb. 14.5 den Verlauf der Funktion w(x) zu den St¨ utzstellen 0.1, 0.2, 0.3, 0.4 und 0.5. Um f¨ ur alle x aus dem Intervall [x0 , xn ] eine gleich gute N¨aherung zu erreichen, sollten daher die St¨ utzstellen nicht ¨aquidistant gew¨ahlt werden, sondern besser so, dass ihre Zahl zum Rand hin zunimmt. Dies wird z.B. durch die Chebycheff-St¨ utzstellen erreicht, die im Falle des Intervalls [−1, 1] gegeben sind durch (Abb. 14.6)   (2j + 1)π xj = cos , j = 0, . . . , n. 2n + 2 Interpolationspolynome hohen Grades neigen zu starken Oszillationen, da man zwischen den St¨ utzstellen keine Kontrolle u ¨ ber die Polynome hat, und da die Polynome in der Regel viele reelle Nullstellen haben. Interpolation mit Polynomen ist daher nur sinnvoll f¨ ur kleinen Grad, also mit nicht zu vielen St¨ utzstellen. Ein eindrucksvolles Beispiel f¨ ur das Auftreten von Oszillationen liefert die Funktion von Runge R(x) =

1 , 1 + 25x2

x ∈ [−1, 1],

die bei ¨ aqidistanter St¨ utzstellenwahl f¨ ur wachsenden Grad zu großen Ausschl¨ agen im interpolierenden Polynom f¨ uhrt (Abb. 14.7). ¨ Ubung 63. Der Interpolationsfehler an einer Stelle x ¯ h¨angt stark von der x − xn )| ab. F¨ ur x0 = 0 und x2 = 1 mit n = 2 Funktion w(¯ x) = |(¯ x − x0 ) · · · (¯ soll eine Zwischenstelle x1 bestimmt werden, so dass

164

14 Interpolation −3

1.2

x 10

1

0.8

0.6

0.4

0.2

0

0

0.1

0.2

0.3

0.4

0.5

0.6

Abb. 14.5. Verlauf der Funktion w(x) zu den St¨ utzstellen 0.1, 0.2, 0.3, 0.4 und 0.5.

max w(¯ x)

0≤¯ x≤1

minimal wird. Hinweis: Bestimmen Sie die relativen Extremwerte des Polynoms p(x) = x(1 − x)(x − x1 ), und w¨ ahlen Sie x1 so, dass |p(x)| an diesen Stellen den gleichen Wert annimmt.

14.4 Newton-Form des Interpolationspolynoms ¨ Ublicherweise ist ein Polynom in der Form p(x) = an xn + · · · a1 x + a0

0 −1

−0.8

−0.6

−0.4

−0.2

0

0.2

0.4

0.6

0.8

Abb. 14.6. Chebycheff-St¨ utzstellen zum Intervall [−1, 1].

1

14.4 Newton-Form des Interpolationspolynoms

165

2

1.5

1

0.5

0

−0.5

−1 −1

−0.8

−0.6

−0.4

−0.2

0

0.2

0.4

0.6

0.8

1

Abb. 14.7. Interpolation der Runge-Funktion mit einem Polynom vom Grad 20 mit St¨ utzstellen −1, −0.9, . . . , 0.9, 1.

gegeben. Um an einer gegebene Stelle c nun p(c) auszuwerten, wird das Horner-Schema1 verwendet. Durch geschickte Klammersetzung wird p geschrieben als p(x) = (. . . ((an x + an−1 )x + an−2 )x + . . . + a1 )x + a0 . Dies entspricht dem Programm y = a[n]; FOR j = n-1,...,0: y = y*c + a[j]; ENDFOR Die Ausf¨ uhrung dieses Programms ben¨ otigt offensichtlich O(n) Operationen. Dagegen kostet die Auswertung des Neville-Tableaus zu den St¨ utzstellen x0 , . . . , xn mit Gleichung (14.2) O(n2 ) flop’s. Dies legt es nahe, das Interpolationspolynom explizit anzugeben, wenn man p(x) an mehr als einer Stelle 1

William G. Horner ver¨ offentlichte sein Schema 1819 in den Philosophical Tran” sactions of the Royal Society“. Allerdings war diese Methode bereits dem Chinesen Chu Shih-chieh bekannt. In seinem Buch Ssu-yuan yu-chien ( Precious ” Mirror of the Four Elements“) verwendete er dieses Schema zur L¨ osung einer allgemeinen Gleichung 14-ten Grades.

166

14 Interpolation

berechnen muss. Denn dann ist zu erwarten, dass mit dem Horner-Schema jede Auswertung wesentlich schneller ausgef¨ uhrt werden kann. Diese Idee f¨ uhrt auf die Newton-Form des interpolierenden Polynoms, die wir kurz skizzieren wollen. Wir verwenden dabei f¨ ur das interpolierende Polynom den Ansatz p(x) = f [x0 ] + (x − x0 )f [x0 , x1 ] + (x − x0 )(x − x1 )f [x0 , x1 , x2 ] . . . + (x − x0 ) · · · (x − xn−1 )f [x0 , . . . , xn ]. Die dazugeh¨ origen Koeffizienten f [xi , . . . , xi+k ], die dividierten Differenzen, k¨ onnen nun nach (14.2) durch f [xi , . . . xi+k ] =

f [xi+1 , . . . , xi+k ] − f [xi , . . . , xi+k−1 ] xi+k − xi

bestimmt werden. Dabei l¨ asst sich, ¨ ahnlich wie beim Neville-Schema, ein Tableau aufbauen. Aus diesem Tableau der dividierten Differenzen werden die Koeffizienten des Polynoms in der Newton-Form abgelesen. Durch ein Horner-artiges Programm kann dann effizient p(c) berechnet werden. ¨ ¨ Ubung 64. Uberpr¨ ufen Sie, dass die dividierten Differenzen f [xi , · · · , xi+k ] genau die Koeffizienten der entsprechenden interpolierenden Polynome in der Newton-Form sind. Bilden Sie das Tableau der dividierten Differenzen, lesen Sie daraus die Koeffizienten f¨ ur p(x) ab, und beschreiben Sie die Horner-artige Auswertung von p(x) an einer Stelle x.

14.5 Weitere Interpolationsans¨ atze Wir haben bereits die Probleme durch Oszillationen angesprochen, mit denen bei der Polynominterpolation zu rechnen ist. Dazu kommt eine starke globale ¨ Abh¨ angigkeit der L¨ osung von den Werten an einer St¨ utzstelle, d.h. eine Anderung in einer St¨ utzstelle wirkt sich auf das Gesamtverhalten des Polynoms aus. Daher wollen wir im Folgenden einige andere Interpolationsmethoden vorstellen, die diese Nachteile zu vermeiden suchen. Von besonderer Bedeutung sind solche Verfahren dann in der Computergraphik. Hier tritt z.B. das Problem auf, Linien und Kurven zu zeichnen, die durch diskrete Werte geben sind. Will man eine Darstellung am Bildschirm erzeugen, so m¨ ussen diese Punkte durch eine m¨ oglichst glatte Funktion verbunden werden. Hermite-Interpolation Eine Methode, um die Oszillationen der Polynominterpolation zu vermeiden, besteht darin, bei der Interpolation nicht nur die Funktionswerte, sondern auch die Ableitungen f¨ ur das Interpolationspolynom vorzugeben. Man spricht dann von Hermite-Interpolation. Im einfachsten Fall bei Ber¨ ucksichtigung der ersten Ableitungen ergibt sich folgende Aufgabe:

14.5 Weitere Interpolationsans¨ atze

167

Finde ein Polynom vom Grad 2n + 1 mit p(xj ) = yj und p (xj ) = yj f¨ ur j = 0, 1, . . . , n. Dieses Problem kann wieder auf ein regul¨ares lineares Gleichungssystem zur¨ uckgef¨ uhrt werden. ¨ Ubung 65. Man stelle ein lineares Gleichungssystem zur L¨osung der oben beschriebenen Hermite-Interpolationsaufgabe auf. ¨ Ahnlich zu Lagrange-Polynomen kann das Hermite-Polynom aber auch ¨ durch geschickte Ansatz-Polynome direkt angegeben werden (Ubung 77) Spline-Interpolation Meist wird aber ein anderer Ansatz verwendet, um gute n¨aherungsweise Darstellungen von Funktionen zu erhalten. Man ist vor allem daran interessiert, dass die sich ergebende Kurve die St¨ utzpunkte m¨oglichst direkt“ verbin” det, also wenig gekr¨ ummt ist. Dazu definieren wir zu St¨ utzstellen x0 , . . . , xn Funktionen, die mit minimaler Gesamtkr¨ ummung st¨ uckweise aus Polynomen zusammengesetzt sind und die die Interpolationsbedingungen erf¨ ullen. utzstellen x0 , Definition 27. Unter einer Splinefunktion2 vom Grad k zu St¨ . . . , xn verstehen wir eine Funktion S mit folgenden Eigenschaften: S(x) sei (k − 1)-mal stetig differenzierbar und auf den Intervallen [xi , xi+1 ], i = 0, . . . , n − 1, ein Polynom k-ten Grades, pxi ,xi+1 (x). Eine Spline-Funktion hat also n(k + 1) Parameter, das sind die Koeffizienten der n Polynome vom Grade k auf den n Teilintervallen. Diese Parameter sind teilweise festgelegt durch die Bedingung, dass die Gesamtfunktion (k − 1)-mal stetig differenzierbar sein muss. Daher muss f¨ ur j = 0, . . . , k − 1 und i = 0, . . . , n − 1 gelten px(j) (xi+1 ) = px(j) (xi+1 ). i ,xi+1 i+1 xi+2 Dies liefert (n − 1)k Gleichungen. Dazu kommen die n + 1 Interpolationsbedingungen an den St¨ utzstellen S(xi ) = yi ,

i = 0, 1, . . . , n.

Insgesamt verf¨ ugt die Splinefunktion u ¨ ber n(k + 1) Parameter, die (n − 1)k + (n + 1) = n(k + 1) + (1 − k) Gleichungen erf¨ ullen m¨ ussen. Man kann daher noch k −1 zus¨ atzliche Forderungen an die Splinefunktion stellen, z.B. dass S(x) eine periodische Funktion sein soll, also m¨oglichst viele Ableitungen am linken und rechten Rand u ¨bereinstimmen sollen, d.h. 2

Spline bezeichnet im Englischen eine hochelastische, d¨ unne Latte, die dazu benutzt wurde, die optimale Form von Spanten beim Schiffsbau zu bestimmen

168

14 Interpolation

S (j) (x0 ) = S (j) (xn )

f¨ ur j = 1, . . . , k − 1.

Dies ist nat¨ urlich nur dann sinnvoll, wenn f¨ ur die gegebenen Daten schon S(x0 ) = S(xn ) gilt. Andere Zusatzbedingungen bestehen darin, an den Endoglichst viele Ableitungswerte explizit vorzugeben, a¨hnpunkten x0 und xn m¨ lich wie bei der Hermite-Interpolation, also S (j) (x0 ) = y (j) (x0 ),

S (j) (xn ) = y (j) (xn )

f¨ ur j = 1, . . . , (k − 1)/2

bei ungeradem k. Insgesamt f¨ uhren beide Varianten zur L¨osung des Interpolationsproblems beim Spline-Ansatz auf ein quadratisches lineares Gleichungssystem in n(k + 1) Unbekannten. Beispiel 34. Bei Verwendung von Polynomen nullten Grades auf jedem Teilintervall [xi , xi+1 ] erh¨ alt man als interpolierende Funktion die st¨ uckweise konstante Treppenfunktion f (x) = yj

f¨ ur xj ≤ x < xj+1 , j = 0, 1, . . . , n − 1.

Im Folgenden wollen wir einen direkteren Weg beschreiten, indem wir geeignete Ansatzfunktionen w¨ ahlen, die es erlauben, die L¨osung von Interpolationsproblemen, ¨ ahnlich zu den Lagrange-Polynomen, direkt anzugeben. Um eine stetige, interpolierende Funktion zu erzeugen, gehen wir mit k = 1 zu st¨ uckweise linearen Polynomen u ¨ber. Wir definieren auf jedem Intervall [xj , xj+2 ] (siehe Abb. 14.8) ⎧ x−x j ⎪ f¨ ur x ∈ [xj , xj+1 ] ⎪ xj+1 −xj ⎪ ⎪ ⎪ ⎨ j+2 Bj (x) = x x−x−x f¨ ur x ∈ [xj+1 , xj+2 ] j+1 j+2 ⎪ ⎪ ⎪ ⎪ ⎪ ⎩ 0 sonst Die Funktionen Bj (x) bezeichnet man als B-Splines, f¨ ur k = 1 also lineare B-Splines. Diese Funktionen eignen sich sehr gut als Basisfunktionen zur L¨ osung der Interpolationsaufgaben. Die interpolierende Funktion ergibt sich dann wieder ganz einfach (vgl. Lagrange-Polynome aus Abschn. 14.2) als f (x) =

n 

yj Bj−1 (x)

mit f (xi ) = yi ,

j=0

und stellt eine st¨ uckweise lineare, stetige interpolierende Funktion dar. utzstellen xi , xi+1 , xi+2 , xi+3 , ist Ein quadratischer B-Spline Bi zu den St¨ durch folgende Eigenschaften gegeben: – auf jedem Teilintervall ist Bi ein Polynom zweiten Grades, – jedes Bi ist insgesamt stetig differenzierbar,

14.5 Weitere Interpolationsans¨ atze

169

1

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0

0

0.5

1

1.5

2

2.5

3

3.5

4

4.5

5

Abb. 14.8. Linearer B-Spline B4 (x), gestrichelt B2 , B3 und B5 .

– %außerhalb des Intervalls [xi−1 , xi+2 ] ist Bi konstant gleich Null, osung Bi (x) ≡ 0 auszuschließen) – Bi (x)dx = 1 (um die uninteressante L¨ Die L¨ osung ⎧ 1 ⎪ 2h2 ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎨ 2h1 2 Bi (x) = ⎪ 1 ⎪ ⎪ ⎪ 2h2 ⎪ ⎪ ⎪ ⎪ ⎩ 0

im ¨ aquidistanten Fall ist gegeben durch · (x − xi )2

f¨ ur xi ≤ x ≤ xi+1



· h2 + 2h(x − xi+1 ) − 2(x − xi+1 )2

f¨ ur xi+1 ≤ x ≤ xi+2

· (xi+3 − x)2

f¨ ur xi+2 ≤ x ≤ xi+3 sonst

Soll mit diesen Basisfunktionen ein Interpolationsproblem (xj , yj ), j = 0, 1, . . . , n, gel¨ ost werden, so f¨ uhrt das mit dem Ansatz p(x) =

n−1 

ai Bi (x)

i=−1

und den n + 1 Bedingungen p(xj ) = yj ,

j = 0, 1, . . . , n

zu einem bidiagonalen Gleichungssystem zur Bestimmung der n + 1 Koeffizienten ai , i = −1, . . . , n − 1. Dabei ben¨ otigen wir hilfsweise die zus¨atzliche

170

14 Interpolation 1

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0 −0.5

0

0.5

1

1.5

2

2.5

3

3.5

Abb. 14.9. Quadratischer B-Spline, zusammengesetzt aus Polynomen zweiten Grades auf jedem der Teilintervalle [0, 1], [1, 2] und [2, 3].

St¨ utzstelle x−1 und den dazugeh¨ origen B-Spline B−1 (x), damit ein eindeutig l¨osbares Problem vorliegt. Am h¨ aufigsten sind kubische Teilpolynome, die so zusammengef¨ ugt werden, dass die Gesamtfunktion zweimal stetig differenzierbar ist. Der Vorteil solcher Splineans¨ atze liegt darin, dass die gesuchten Koeffizienten der interpolierenden Funktion sich durch L¨ osung einfacher linearer Gleichungssysteme bestimmen lassen, und dass die entstehenden Funktionen keine zus¨atzlichen Oszillationen aufweisen. Bezier-Kurven In der Computergraphik ist man interessiert an einer leicht und einfach steuerbaren Darstellung von Kurven, die nicht unbedingt interpolierend sein sollen. Dazu eignen sich z.B. Bezier-Kurven3 . Sie setzen sich zusammen aus Bernstein-Polynomen, die wir daher kurz einf¨ uhren wollen. F¨ ur n ∈ IN sind   n (n) Bi (t) = (1 − t)n−i ti , i = 0, . . . , n, i 3

In den 70er Jahren entwickelten Pierre Bezier und Pierre Casteljau - zeitgleich, aber unabh¨ angig - bei Renault und Citroen zu CAD/CAM-Zwecken diese Art der Kurvendarstellung. Bezier-Kurven werden in allen fortgeschrittenen Graphikprogrammen verwendet

14.5 Weitere Interpolationsans¨ atze

171

(n)

die n+ 1 Bernstein-Polynome vom Grad n. Die Nullstellen von Bi (x) liegen bei Null und Eins, mit den Vielfachheiten i und n − i. Wir sind nur an dem Bereich 0 ≤ t ≤ 1 interessiert. 1

0.8

0.6

0.4

0.2

0 0

0.2

0.4

0.6

0.8

1

(4)

Abb. 14.10. Bernstein-Polynome Bi (x) f¨ ur n = 4, i = 0, . . . , 4.

Die Bernstein-Polynome haben folgende Eigenschaften: (n)

Bi (t) ≥ 0 f¨ ur 0 ≤ t ≤ 1 n n     n (n) (1 − t)n−i ti = ((1 − t) + t)n = 1 Bi (t) = i i=0 i=0 (n)

(n−1)

Bi (t) = t · Bi−1

(n−1)

− Bi

. (n)

Wegen der ersten beiden Eigenschaften sind die Polynome Bi , i = 0, . . . , n, geeignete Gewichtsfunktionen. Die letzte Eigenschaft ist n¨ utzlich, um den Wert eines Bernstein-Polynoms an einer Stelle t induktiv zu bestimmen. Wie aus Abb. 14.10 ersichtlich, nehmen die Bernstein-Polynome f¨ ur großes n in weiten Bereichen des betrachteten Intervalls [0, 1] nur sehr kleine Werte an. Zu gegebenen Punkten bi ∈ IRk , i = 0, 1, . . . , n, den Kontrollpunkten, definieren wir nun die zugeh¨ orige Bezier-Kurve mittels X(t) =

n 

(n)

bi Bi (t)

i=0

f¨ ur 0 ≤ t ≤ 1. X(t) ist die gewichtete Summe der beteiligten Kontrollpunkte (n) bi , versehen mit den Gewichten Bi (t). Beim Durchlaufen des Parameters t von Null nach Eins wird die Kurve X(t) von allen Kontrollpunkten der Reihe

172

14 Interpolation (n)

nach angezogen“. Eines der Bi liefert dabei jeweils das gr¨oßte Gewicht und ” bewirkt, dass der Kontrollpunkt bi den Kurvenverlauf in dem entsprechenden Parameterbereich bestimmt. Weiterhin gilt, dass die Kurve in b0 startet und in bn endet; insgesamt verl¨ auft die Kurve in der konvexen H¨ ulle des von den bi gebildeten Polygons. Die Tangente in b0 zeigt wegen dX/dt|0 = n(b1 − b0 ) in Richtung von b1 , und genauso im anderen Eckpunkt in Richtung bn−1 . F¨ ur genau drei Punkte gilt, dass die Tangenten in b0 und b2 sich genau in b1 schneiden, also die Bezier-Kurve ganz in dem von den Kontrollpunkten aufgespannten Dreieck liegt. b0

b2

b1

0

Abb. 14.11. Bezier-Kurve zu drei Kontrollpunkten b0 , b1 und b2 .

Der Verlauf der Bezier-Kurve wird also durch die Kontrollpunkte bestimmt und es treten keine ungew¨ unschten Oszillationen auf. Ersetzt man in der Definition von X(t) die Bernstein-Polynome als Gewichtsfunktionen durch B-Splines, so erh¨ alt man eine B-Spline-Kurve Xn,k (t) =

n 

bi Bi,k (t) f¨ ur 0 ≤ t ≤ n − k + 2

i=0

utzstellen 0, 1, . . . , n − k + 2. Im mit B-Splines Bi,k (t) vom Grad k zu St¨ Gegensatz zu Bezier-Kurven hat man mit dem zus¨atzlichen Paramter k die Wahl, wie oft die Kurve stetig differenzierbar sein soll. Außerdem wirken sich ¨ lokale Anderungen eines Kontrollpunktes nur in den direkten Nachbarpunkten aus, da die Funktionen Bi,k (t) nur auf einem kleinen Teilintervall von ¨ Null verschieden sind. Die Gesamtkurve reagiert auf lokale Anderungen also nur lokal. Außerdem verf¨ ugen B-Spline-Kurven u ¨ber sehr gute Approximationseigenschaften. Zusammenfassung: Die Bestimmung geeigneter Ansatzfunktionen ist eines der wichtigsten Grundprobleme der Numerik. Klassische Ansatzfunktionen sind Polynome und Potenzreihen in xk (Taylor-Reihe, Laurent-Reihe), bzw.

14.5 Weitere Interpolationsans¨ atze

173

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0

0

0.5

1

1.5

2

2.5

3

3.5

4

Abb. 14.12. Bezier-Kurven f¨ ur drei verschiedene Werte des letzten Kontrollpunktes b4 .

in cos(kx) und sin(kx) (Fourier-Reihen, vgl. Anhang D). Wichtige Anforderungen an eine Familie von Ansatzfunktionen sind: 1. Variabilit¨ at im Grad der Differenzierbarkeit (angepasst an die Differenzierbarkeit der gesuchten L¨ osung) 2. gute Approximationseigenschaften (Ansatzfunktionen sind dicht“ in dem ” Funktionenraum, der die L¨ osung enth¨ alt, bilden ein vollst¨andiges System oder Basis) 3. gute Adaptivit¨ atseigenschaften, d.h. sie bieten die M¨oglichkeit, auch lokal z.B. durch feinere Diskretisierung, h¨ ohere Genauigkeit zu erreichen 4. Lokalit¨ at, Spr¨ unge, bzw. Unstetigkeiten in der gesuchten Funktion wirken sich nur lokal auf einige Ansatzfunktionen aus 5. schnelle Algorithmen, am besten in Echtzeit O(n) und 6. sie erlauben eine Analyse der untersuchten Daten (Frequenzanalyse, Multiskalenanalyse) ¨ Ubung 66. Pr¨ ufen Sie nach, welche der obigen Forderungen von Polynomen, trigonometrischen Ansatzfunktionen oder B-Splines erf¨ ullt werden. Besonders die Punkte 4. – 6. haben zu einem verst¨arkten Interesse an neuen Ansatzfunktionen gef¨ uhrt. In Kapitel V werden wir mit Fourier-Reihen und Wavelet-Funktionen noch zwei wichtige Funktionenfamilien kennen lernen und genauer untersuchen, die eine Analyse gegebener Daten erlauben.

15 Quadratur

”

Das Buch der Natur ist mit mathematischen Symbolen geschrieben.“ Galileo Galilei

15.1 Einleitung %b Es soll das bestimmte Integral I(f ) = a f (x)dx berechnet werden. Diese Aufgabe k¨ onnen wir f¨ ur eine kleine Klasse von Funktionen durch explizite Angabe einer Stammfunktion F (x) l¨ osen: 

b

f (x)dx = F (b) − F (a), a

z.B. f¨ ur die Monome  k+1 b  b 1 x (bk+1 − ak+1 ). xk dx = = k+1 a k+1 a In vielen F¨ allen l¨ asst sich aber die Stammfunktion nicht in geschlossener Form angeben und man ist auf N¨ aherungsverfahren angewiesen. So haben einige wichtige Funktionen keine explizite Darstellung der Stammfunktion. Als Beispiel betrachten wir die Gauß’sche Glockenkurve zur Beschreibung von Wahrscheinlichkeitsverteilungen. Ist eine Variable x normalverteilt, so beschreiben der Mittelwert μ und die Standardabweichung σ die gesamte Wahrscheinlichkeitsverteilung mittels der Funktion   (x − μ)2 1 √ . exp − 2σ 2 σ 2π Wollen wir nun wissen, mit welcher Wahrscheinlichkeit ein Wert x zwischen a und b auftritt, so ist diese Wahrscheinlichkeit durch das Intergral    b 1 (x − μ)2 √ dx exp − 2σ 2 σ 2π a

176

15 Quadratur

gegeben, das wir nur numerisch berechnen k¨ onnen. Diese Wahrscheinlichkeit entspricht genau der Fl¨ ache unter der Kurve zwischen a = 1 und b = 2 in Abb. 15.1. 0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0 −5

−4

−3

−2

−1

0

1

2

3

4

5

Abb. 15.1. Gauß’sche Glockenkurve f¨ ur μ = 0, σ = 1: Die Wahrscheinlichkeit, dass eine (0, 1)-normalverteilte Zufallsvariable einen Wert zwischen 1 und 2 annimmt, entspricht der Gr¨ oße der schraffierten Fl¨ ache.

Die Vorgehensweise bei der numerischen Quadratur besteht darin, die Funktion an bestimmten Stellen (wieder St¨ utzstellen genannt) auszuwerten, und mit Hilfe dieser Werte und Gewichten wi einen N¨aherungswert mittels einer Quadraturregel 

b

f (x) dx ≈

I(f ) = a

n 

wi f (xi ) = In (f )

i=0

zu bestimmen. Wie sind nun die xi und wi zu w¨ahlen, um bei vorgegebener – m¨ oglichst kleiner – Anzahl n einen brauchbaren N¨aherungswert In (f ) zu erhalten? Um dem Problem der Ausl¨ oschung aus dem Wege zu gehen, sollen die Gewichte wi alle positiv sein.

15.2 Quadraturregeln aus Fl¨ achenbestimmung Das bestimmte Integral l¨ asst sich interpretieren als die Fl¨ache unter dem Funktionsgraphen von f (x). Daher ist I(f ) genau die Gr¨oße der von f (x) und der x-Achse begrenzten Fl¨ ache zwischen a und b an. So liefert z.B. das Integral von −1 nach 1 der Funktion f (x) = x den Wert Null, da sich die Fl¨ achen oberhalb und unterhalb der x-Achse gegenseitig wegheben. Mit Hilfe dieser anschaulichen Bedeutung des Integrals k¨onnen wir I(f ) ann¨ahern, in dem wir die dazugeh¨ origen Fl¨ ache approximieren.

15.3 Regeln aus der Interpolation

177

Eine erste M¨ oglichkeit besteht darin, die von f (x) begrenzte Fl¨ache durch das Trapez mit den Eckpunkten (a, 0), (b, 0), (b, f (b)), (a, f (a)) zu ersetzen. Dies f¨ uhrt auf die Trapezregel (Abb. 15.2) 

b−a b−a f (a) + f (b) (b − a) = f (a) + f (b) 2 2 2

b

f (x)dx ≈

I(f ) = a

mit den St¨ utzstellen a und b und den Gewichten w0 = w1 = (b − a)/2.

f(b)

f(b)

f(x) f(x)

f(a)

a

f(a)

b

a

Abb. 15.2. Trapez߬ ache als Approximation.

(a+b)/2

b

Abb. 15.3. Rechteck߬ ache als Approximation.

Genauso k¨ onnen wir ein einfaches Rechteck finden, das die Fl¨ache unter der Funktion ann¨ ahert. Dieses Rechteck (Abb. 15.3) ist bestimmt durch die a+b Ecken (a, 0), (b, 0), ( a+b 2 , f ( 2 )) und liefert I(f ) ≈ (b − a)f (

a+b ), 2

mit nur einer St¨ utzstelle (a + b)/2 und Gewicht w0 = (b − a). Dies ist die Mittelpunktsregel.

15.3 Regeln aus der Interpolation Es liegt nahe, die zu untersuchende Funktion f durch ein interpolierendes Polynom zu ersetzen; denn das Integral u ¨ ber die auftretenden Terme xk kann einfach mittels der Stammfunktion berechnet werden. Außerdem haben wir in Kapitel 14 Verfahren kennen gelernt, eine Funktion mittels Interpolation durch ein Polynom anzun¨ ahern. Damit ist die folgende Vorgehensweise nahe gelegt: W¨ ahle St¨ utzstellen x0 , . . . , xn , der Einfachheit halber ¨aquidistant, xi = a + ih,

i = 0, 1, . . . , n,

h=

b−a , n

mit x0 = a und xn = b. Die Gewichte w0 , . . . , wn ergeben sich dann aus der Quadratur des interpolierenden Polynoms in der Lagrange-Darstellung

178

15 Quadratur

p(x) =

n 

f (xi )Li (x)

i=0

mit der N¨ aherung 



b

f (x)dx ≈ a

b

p(x)dx = a

n  i=0

 f (xi )

b

Li (x)dx. = a

n 

fi wi

i=1

Trapezregel F¨ ur n = 1 ergibt sich x0 = a, x1 = b, h = b − a, und p(x) = f (a) +

f (b) − f (a) (x − a). b−a

Damit wird der Wert des Integrals angen¨ ahert durch  b  b f (x)dx ≈ p(x)dx a a   f (b) − f (a) b2 − a2 − a(b − a) = f (a)(b − a) + b−a 2   1 1 f (a) + f (b) , =h 2 2 mit den Gewichten w0 = w1 = h/2 = (b − a)/2. Dies ist genau wieder die Trapezregel. F¨ ur den Fehler gilt mit der Fehlerformel bei der Interpolation (Kapitel 14.3)        b   b f (2) (χ)     (x − a)(x − b) dx  (f (x) − p(x))dx =   a    a 2  b M2 ≤ (x − a)(b − x)dx 2 a M2 (b − a)3 = 2 6 M2 3 M2 (b − a)3 = h = 12 12 mit Mk = maxx∈[a,b] |f (k) (x)|. Daher ist die Trapezregel f¨ ur Polynome von Grad Eins exakt (dann ist M2 = 0). Simpson-Regel Als wichtigste neue Regel ergibt sich f¨ ur n = 2 die Simpson-Regel

15.4 Gauß-Quadratur

x0 = a, x1 =

h=

a+b , 2

179

b−a , 2

w0 = w2 =

h , 3

4 h 3     h a+b f (a) + 4f + f (b) . I(f ) ≈ 3 2 x2 = b,

w1 =

F¨ ur den Fehler erh¨ alt man dann    b  M (b − a)5 M4 5   4 = h , (f (x) − p(x)) dx ≤   a  2880 90 eine Ordnung besser, als eigentlich zu erwarten w¨are. Die Simpson-Regel ist daher sogar f¨ ur Polynome vom Grad 3 exakt. Dies wird dadurch erreicht, dass die drei zugeh¨origen St¨ utzstellen optimal gew¨ ahlt sind in Beziehung auf die Fehlerabsch¨atzung aus Theorem 4 (vgl. ¨ auch Ubung 85) Allgemein haben diese Quadraturregeln, die aus der Darstellung mittels interpolierender Polynome gewonnen werden, die spezielle Form 



b

b

f (x)dx ≈ a

p0,1,...,n (x)dx = h a

n 

αi f (a + ih).

i=0

Leider treten bei der Verwendung dieser Formeln f¨ ur n > 6 auch negative Gewichte wi = hαi auf, und diese Regeln sind daher nicht gebr¨auchlich.

15.4 Gauß-Quadratur Bei der Polynominterpolation hatten wir festgestellt, dass die Wahl der St¨ utzstellen das Ergebnis stark beeinflusst und dass am Rand mehr St¨ utzstellen plaziert sein sollten. Diese Erkenntnis soll jetzt im Zusammenhang mit der Quadratur auch ber¨ ucksichtigt werden. Die Idee der Gauß-Quadratur besteht nun darin, die St¨ utzstellen nicht ¨ aquidistant, sondern m¨oglichst optimal zu legen, d.h. so dass Polynome m¨ oglichst hohen Grades noch exakt integriert werden. Entsprechend k¨ onnen wir dann auch mit einer besseren N¨aherung rechnen. Dadurch, dass wir die ¨ aquidistante St¨ utzstellenwahl aufgeben, schaffen wir neue Freiheitsgrade, die zu genaueren Quadraturregeln f¨ uhren. Das Problem besteht jetzt also darin, Gewichte wi und St¨ utzstellen xi , i = 0, 1, . . . , n zu finden, die den Bedingungen bj+1 − aj+1 = j+1



b

xj dx = I(xj ) = a

n  i=0

wi xji

180

15 Quadratur

f¨ ur j = 0, 1, . . . , m mit m¨ oglichst großem m gen¨ ugen. Die neue Quadraturregel soll also f¨ ur die Polynome 1, x, x2 ,...,xm den exakten Wert des Integrales liefern. Dies f¨ uhrt auf m + 1 (nichtlineare!) Gleichungen f¨ ur die 2n + 2 Unbekannten xi und wi . ¨ Ubung ur n = 1 ergeben sich die St¨ utzstellen (a+b)/2±(b− √ 67. Zeigen Sie: F¨ a)/2 3 mit Gewichten (b − a)/2. Damit werden dann sogar noch Polynome vom Grad 3 exakt integriert. F¨ ur Integrale der speziellen Form  1 dx f (x) √ 1 − x2 −1 ergeben sich als St¨ utzstellen gerade die Nullstellen der Chebycheff-Polynome cos(π(2j + 1)/(2n + 2)), j = 0, . . . , n. Allgemein sind die optimalen St¨ utzstellen die Nullstellen von OrthogonalPolynomen wie z.B. Hermite-Polynome, Legendre-Polynome oder LaguerrePolynome, je nach Art des Integrationsbereichs. Die Vorteile der Gauß-Quadratur sind offensichtlich: Unter Verwendung von n Funktionswerten f (xi ) kann ein wesentlich besseres Resultat erzielt werden als mit n ¨ aquidistant vorgegebenen St¨ utzstellen. Einen Nachteil m¨ ussen wir dabei aber in Kauf nehmen: Ist der N¨aherungswert f¨ ur I(f ) noch nicht gut genug, so k¨ onnen im ¨ aquidistanten Fall die alten Werte f (xi ) wieder verwendet werden, indem z.B. die Schrittweite h halbiert wird. Wollen wir jedoch bei der Gauß-Quadratur ein genaueres Ergebnis erzielen, so m¨ ussen wir f¨ ur das gr¨ oßere n auch ganz neue Funktionswerte zu den sich neu ergebenden St¨ utzstellen berechnen. Als Ausweg bieten sich hier Gauß-Kronrod-Verfahren an. Dabei werden die vorher bestimmten n St¨ utzstellen beibehalten, und es werden nur k neue St¨ utzstellen erlaubt. Dann sind also k neue St¨ utzstellen und n + k Gewichte optimal so zu bestimmen, dass wieder Polynome m¨oglichst hohen Grades exakt integriert werden. Dazu ben¨ otigen wir dann nur k neue Funktionsauswertungen!

15.5 Extrapolationsverfahren Wie schon bei der Interpolation sollten wir Polynome hohen Grades zur Herleitung von Quadraturregeln vermeiden (Oszillationen, negative Gewichte wi und damit verbundene Gefahr der Ausl¨ oschung). Als Ausweg empfiehlt es sich hier, eine einfache, relativ ungenaue Regel auf vielen kleinen Teilintervallen anzuwenden, und diese Zwischenergebnisse dann zum Gesamtwert aufzusummieren. Im Fall der Trapezregel und einer ¨aquidistanten Einteilung von [a, b] in Teilintervalle [xi , xi+1 ], auf denen jeweils die Trapezregel angewendet

15.5 Extrapolationsverfahren

181

wird, ergibt sich so mit h = (b − a)/n und xi = a + ih die Trapezsumme als Quadraturregel 

b

I(f ) =

f (x)dx = a

≈

n−1  i=0



=h

n−1   xi+1 i=0

f (x)dx

xi

h (f (xi ) + f (xi+1 )) 2

 1 1 f (a) + f (a + h) + . . . + f (b − h) + f (b) 2 2

F¨ ur eine Folge von Schrittweiten hi = (b − a)/ni berechnen wir die Trapezsummen   1 1 T i = hi · f0 + f1 + . . . + fni −1 + fni , i ≤ m 2 2 b−a hi = , fj = f (xj ); xj = a + j · hi , 0 ≤ j ≤ ni ni Die Trapezsumme ist also eine Funktion der Schrittweite h; wir vermerken dies durch die Schreibweise T (h). Bei exakter Rechnung ist dann zu erwarten, dass T (0) gleich dem gesuchten Integral I(f ) ist, da bei immer feinerer Diskretisierung die Fl¨ ache unter der Kurve immer besser durch die Trapezfl¨achen angen¨ ahert wird. Eine genauere Analyse liefert die Entwicklung (bekannt unter dem Namen Euler-MacLaurin’sche Summenformel)  T (h) =

b

f (x)dx + a

N 

ck h2k + O(h2N +2 ).

k=1

Dies legt es nahe, T (h) als eine Funktion in h2 anzusehen und mittels der im vorigen Abschnitt eingef¨ uhrten Interpolationsverfahren zu St¨ utzstellen h20 , h21 , . . . , h2m den gesuchten Wert an der Stelle h2 = 0 durch die Werte der interpolierenden Polynome an der Stelle Null anzun¨ahern. Dazu w¨ahlen wir eine Folge hi , die gegen Null konvergiert. Ein solches Verfahren wird als Extrapolation bezeichnet, da der gesuchte Wert an der Stelle h2 = 0 außerhalb des von den St¨ utzstellen h2i gebildeten Intervalls liegt. Nach dem Neville-Tableau aus Kapitel 14.2, geschrieben in h2 an Stelle von x, k¨ onnen wir die erhaltenen Ergebnisse f¨ ur die Trapezsummen Ti dann nach der Formel Ti,...,i+k = Ti+1,...,i+k +

Ti+1,...,i+k − Ti,...,i+k−1 ,  2 hi − 1 hi+k

0 ≤ i ≤ m − k,

1≤k≤m

182

15 Quadratur

zu verbesserten Approximationen von T (0) kombinieren. Die Idee besteht also darin, das zu den St¨ utzstellen h20 , h21 , . . . , h2m interpolierende Polynom an der Stelle 0 als N¨ aherung an T (0) zu verwenden. Vorteil dieser Vorgehensweise ist es, dass mit geringem Zeitaufwand wesentlich bessere N¨aherungswerte berechnet werden k¨ onnen als durch die einfache Trapezsumme allein. Der Fehler I(f ) − In (f ) ist bei der Verwendung der Trapezsumme von der Form O(h20 · h21 · · · h2m ) [108]. Als Folge der nat¨ urlichen Zahlen zur Bestimmung der Schrittweiten kann n0

Start: ni = 2ni−1 ,

1≤i≤m

verwendet werden. Dann lassen sich bei der Berechnung von Ti+1 viele Funktionsauswertungen einsparen und aus der Berechnung der vorgehenden Trapezsumme Ti entnehmen. ¨ Ubung 68. Verifizieren Sie die obige Extrapolationsformel in den Ti,...,i+k . Untersuchen Sie, wie man bei der obigen Folge ni Funktionsauswertungen ¨ einsparen kann. Uberlegen Sie sich andere Varianten von Folgen hi , bei denen viele Funktionsauswertungen eingespart werden k¨onnen.

15.6 Adaptive Verfahren

2

1.8

1.6

1.4

1.2

1

0.8

0.6

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

Abb. 15.4. Beispiel einer Funktion mit stark unterschiedlichem Verlauf.

15.6 Adaptive Verfahren

183

Wie wir schon bei der Polynominterpolation gesehen haben, ist eine ¨aquidistante St¨ utzstellenwahl im Allgemeinen nicht zu empfehlen. Die zu integrierende Funktion kann beispielsweise u ¨ber weite Strecken nahezu konstant sein, und nur in einem kleinen Teilbereich st¨ arker variieren (Abb. 15.4). Dann kann in dem ersten Gebiet mit relativ großer Schrittweite gearbeitet werden, w¨ ahrend in dem stark ver¨ anderlichen Bereich kleinere Schrittweiten gew¨ahlt werden m¨ ussen. Wie groß die Schrittweite sein sollte, kann festgelegt werden z.B. – unter Ber¨ ucksichtigung der vorhergehenden Schritte (w¨ahle zun¨achst die zuletzt benutzte Schrittweite) – unter Ber¨ ucksichtigung der Ableitung an der letzten St¨ utzstelle (Ableitungswerte nahe Null erlauben gr¨ oßere Schrittweiten, w¨ahrend betragsgroße Ableitungen die Verwendung feinerer Schrittweiten erfordern) – durch Austesten und Vergleich von Verfahren unterschiedlicher Ordnung oder Schrittweite (liefern die Verfahren stark unterschiedliche Werte, so muss das bessere Verfahren verwendet werden, andernfalls kann das eigentlich ungenauere (und billigere) benutzt werden). Bei der letzten Variante vergleicht man die N¨aherungswerte, die man mit verschiedenen Verfahren erhalten hat. Stimmen die Werte gen¨ ugend u ¨ berein, so kann man mit der dazugeh¨ origen Schrittweite weiterarbeiten; andernfalls sollte die Schrittweite verkleinert oder ein besseres Verfahren verwendet werden. Beispiel 35 (Archimedes-Quadratur). Als erste N¨aherung einer Funktion f auf dem Intervall [a, b] kann man die lineare Interpolation dieser Funktion mit den Intervallgrenzen als St¨ utzstellen verwenden (Abb. 15.5). a)

b) c0 f(a)

a

f(b)

b

Abb. 15.5. Lineare Interpolation.

f(a)

a

f(b)

b

Abb. 15.6. Erste Korrektur c0 .

Wertet man nun in der Intervallmitte den Fehler aus, so kann man als Korrektur eine H¨ utchenfunktion mit der H¨ ohe c0 des Fehlers auf die bisherige Approximation aufaddieren (Abb. 15.6). Dieses Vorgehen l¨ asst sich auf den Teilintervallen fortsetzen (Abb. 15.7 und 15.8). Man bricht ab, wenn die H¨ ohe der korrigierenden H¨ utchenfunktion eine gewisse Fehlerschranke ε unterschreitet.

184

15 Quadratur

c)

d) c1

c1

c3

c0 c2

f(a)

f(b)

a

b

Abb. 15.7. Zweite Korrektur c1 und c2 .

c4 c0 c2

f(a)

a

f(b)

b

Abb. 15.8. Dritte Korrektur c3 und c4 .

Auf diese Art und Weise kann die Funktion f auf [a, b] so n¨aherungsweise dargestellt werden, dass in unterschiedlichen Teilintervallen mehr oder weniger Unterteilungen vorgenommen werden, um die gew¨ unschte Genauigkeit zu erreichen. Mittels dieser approximativen Darstellung kann das Integral I(f ) n¨aherungsweise berechnet werden, in dem die Fl¨ achen der H¨ utchenkorrekturen berechnet und aufsummiert werden. ¨ Ubung 69. Berechnen Sie die Fl¨ ache eines korrigierenden H¨ utchens in Abh¨ angigkeit von der H¨ utchenbreite h und der Gr¨oße c der Korrektur.

15.7 Weitere Verfahren Wir wollen noch einige M¨ oglichkeiten aufzeigen, das Integrationsintervall [a, b] umzutransformieren. Dies ist oft sinnvoll, um die Integration auf ein Standardintervall wie [0, 1] oder [−1, 1] zur¨ uckzuf¨ uhren. W¨ahlen wir z.B. die Transformation y = g(x) = a + (b − a)x dy = y = g (x) = b − a, mit dx

x=

y−a , b−a

so geht das Integral auf [a, b] u ¨ber in ein Integral auf [0, 1]:  1  1  b f (y)dy = f (g(x))g (x)dx = (b − a) f (a + (b − a)x) dx. a

0

0

Eine solche Transformation ist oft auch hilfreich, wenn das gegebene Integral sich bis ins Unendliche erstreckt. F¨ ur das Integral u ¨ ber [1, ∞] w¨ahlen wir die Substitution y = 1/x und mit   1    ∞  0   1 −dx 1 1 dx = f (y)dy = f f 2 2 x x x 1 1 0 x liefert dies ein endliches Integral.

15.7 Weitere Verfahren

185

Eine weitere n¨ utzliche Methode besteht darin, bei Integralen u ¨ ber unbegrenzte Intervalle z.B. [a, ∞], nur ein endliches Intervall [a, b] zu betrachten; denn solche Integrale k¨ onnen in der Regel nur dann einen endlichen Wert liefern, wenn f (x) → 0 f¨ ur x → ∞ gilt. W¨ ahlen wir also b gen¨ ugend groß, so %∞ ist der Beitrag b (f (x)dx so klein, dass wir ihn vernachl¨assigen k¨onnen. In manchen F¨ allen empfiehlt es sich auch, in der N¨ahe kritischer Stellen eine Reihenentwicklung von f (x) zu benutzen und dann u ¨ ber ein entsprechendes Taylor-Polynom zu integrieren. Als Beispiel hierf¨ u r betrachten wir %ε√ %1√ %1√ x · sin(x)dx, das wir zerlegen in x sin(x)dx und x sin(x)dx. Das 0 0 ε erste Integral berechnen wir mittels Reihenentwicklung √ x11/2 x7/2 + − ... x sin(x) = x3/2 − 3! 5! und der N¨ aherung  0

ε

√

x sin(x)dx ≈

n   j=0

0

ε

 x 2 2ε 2 dx = . (−1) (−1)j (2j − 1)! (4j + 5)(2j − 1)! j=0 4j+3

n

4j+5

j

Das zweite Integral kann durch eine der oben genannten u ¨blichen Quadraturregeln bestimmt werden. Wichtig ist dabei die geschickte Wahl von ε, so dass beide Integrale m¨ oglichst effektiv berechnet werden k¨onnen: ε so klein, dass ein kleines n gen¨ ugt in dem ersten Teilintegral, und ε so groß, dass das zweite Teilintegral von der Nicht-Differenzierbarkeit bei x = 0 gen¨ ugend weit entfernt ist. Anmerkung 51 (Monte-Carlo-Methoden). Ein v¨ollig anderes Vorgehen f¨ uhrt zu den Monte-Carlo-Methoden, die besonders bei mehrdimensionalen Funktionen verwendet werden. Dabei w¨ ahlen wir n Zufallspunkte xi ∈ IRn , i = 1, . . . , n, aus dem Integrationsbereich Q ⊂ IRn . Dann berechnen wir an diesen Punkten die Funktionswerte fi = f (xi ), und setzen als N¨aherung % ur das gesuchte Volumen im f¨ ur das gesuchte Integral I = Q f (x)dx – bzw. f¨ n+1 IR – einfach den Mittelwert I≈

n  fi |Q| i=1

n

.

Dabei stellen wir uns vor, dass jeder zuf¨ alligen Funktionsauswertung f (xi ) genau der gleiche Anteil an der Grundfl¨ ache“ Q (n¨amlich |Q|/n) zugeordnet ” ist, also ein Quader des Inhalts fi |Q|/n.

16 Beispiele

”

Alles, was lediglich wahrscheinlich ist, ist wahrscheinlich falsch.“ R. Descartes

16.1 Interpolation von Bilddaten Schwarz-Weiß-Bilder bestehen u ¨ blicherweise aus einem Feld (bzw. einer Matrix) von Punkten, (oder Pixeln“), die jeweils einen gewissen Grauwert be” sitzen. Mathematisch ist ein Bild also eine diskrete Funktion g(x, y) der Form g : [0, b] ⊗ [0, h] → [0, 1], definiert auf einem diskreten quadratischen Gitter, wobei die Pixelwerte immer genau dem Wert der Funktion an einem Gitterpunkt entsprechen. Ein Grauwert von Null steht f¨ ur Schwarz, ein Grauwert von Eins f¨ ur Weiß. Wollen wir das gegebene Bild einer Drehung unterwerfen oder in der Gr¨oße ver¨ andern, so bedeutet dies f¨ ur die Funktion g(x, y), dass wir das diskrete Gitter, auf dem g definiert ist, ver¨ andern. Dadurch liegen die Gitterpunkte des neuen Gitters innerhalb von Quadraten von alten Gitterpunkten.

Abb. 16.1. Gitter des urspr¨ unglichen Bildes und verschobenes Pixel-Gitter.

188

16 Beispiele

Um also das Bild auf das neue Gitter, das durch Drehung oder Vergr¨oßerung entstanden ist, umzurechnen, m¨ ussen wir – ausgehend von der Funktion g(x, y) auf dem alten Gitter – eine neue Funktion h(u, v) auf dem neuen Gitter definieren. Dazu betrachten wir zu jedem neuen Gitterpunkt (u, v) die bekannten Werte von g an benachbarten Punkten des alten Gitters und gewinnen daraus durch Interpolation einen Wert f¨ ur h(u, v). Dazu sind drei Varianten am gebr¨ auchlichsten: 1. Suche zu (u, v) den n¨ achsten Gitterpunkt (x, y) und setze h(u, v) = g(x, y). 2. Bestimme zu (u, v) ein Quadrat aus alten Gitterpunkten, das (u, v) enth¨ alt; dieses Quadrat werde gebildet von den Punkten (xi , yi ), (xi+1 , yi ), (xi , yi+1 ) und (xi+1 , yi+1 ). Zu diesen vier St¨ utzpunkten wird das bilinear interpolierende Polynom p(x, y) = a+bx+cy +dxy bestimmt und g(u, v) = p(u, v) gesetzt. 3. Bestimme zu (u, v) ein Quadrat aus alten Gitterpunkten, das (u, v) enth¨ alt; zus¨ atzlich werden alle Nachbarquadrate betrachtet, also insgesamt 16 Punkte des alten Gitters, die zu (u, v) benachbart liegen. Mit diesen 16 Punkten als St¨ utzstellen wird das bikubisch interpolierende Polynom berechnet in der Form q(x, y) = a + bx + cy + dx2 + exy + f y 2 + gx3 + hx2 y + ixy 2 + jy 3 +kx3 y + lx2 y 2 + mxy 3 + nx3 y 2 + ox2 y 3 + px3 y 3 Dann setzen wir wieder g(u, v) = q(u, v). ¨ Ubung 70. Beim bilinearen Ansatz k¨ onnen wir wieder die Lagrange-¨ahnlichen Polynome verwenden, wie z.B. pi,j (x, y) =

(x − xi+1 )(y − yj+1 ) . (xi − xi+1 )(yj − yj+1 )

pi,j (x, y) ist bilinear und liefert an drei St¨ utzstellen den Wert 0 und an der Stelle (xi , yj ) den Wert Eins. Beschreiben Sie, wie man das Interpolationsproblem und damit die Berechnung von p(u, v) mit Hilfe dieser Lagrange-Polynome durchf¨ uhren kann.

16.2 Registrierung und Kalibrierung von Bilddaten Ein Standardproblem der Bildverarbeitung besteht darin, zwei Bilder, die das selbe Objekt zeigen, aber aus verschiedenen Blickwinkeln, oder die mit verschiedenen Aufnahmetechniken (CT, IR, Ultraschall) erzeugt wurden, zu vergleichen. Dazu m¨ ussen die Bilder zun¨ achst durch eine geometrische Transformation (Drehung, Verschiebung) zur Deckung gebracht werden. Diesen Vorgang bezeichnet man als Registrierung.

16.2 Registrierung und Kalibrierung von Bilddaten

189

Zun¨ achst kann man dazu mehrere Markierungspunkte in den Bilddaten eindeutig identifizieren (Pi in Bild B1 entspricht genau Qi in Bild B2 ). Danach muss durch Ausgleichsrechnung diejenige lineare Transformation g(x) = Ax + b , A eine orthogonale Matrix, b ein Vektor n¨aherungsweise bestimmt werden, die die Bilder so gut wie m¨oglich zur Deckung bringt, also  2 min (APi + b) − Qi 2 . A,b

i

Unterscheiden sich die beiden Bilder nur gering, so k¨onnen wir im Zweidimensionalen f¨ ur die Drehung A n¨ aherungsweise den Ansatz   1 ϑ A= −ϑ 1 w¨ahlen. Dann sind nur drei Parameter, n¨ amlich ϑ und der Vektor b zu bestimmen durch L¨ osen eines linearen Ausgleichsproblems. Neben dem Problem der Registrierung treten in vielen F¨allen auch noch Verzerrungen zwischen den Bildern auf. Hier stehen wir vor dem Problem der Kalibrierung. Wir nehmen dazu an, dass eine verzerrte Aufnahme eines bekannten, einfachen Objekts, z.B. eines ¨ aquidistanten Gitters, erstellt wurde. Die Gitterpunkte stellen nun eine Menge von Referenzpunkten (xi , yi ) dar, deren echte Position wir genau kennen. In der Aufnahme haben sich durch die Verzerrung die Referenzpunkte verschoben und liegen nun an Positionen (˜ xi , y˜i ). Um die Verzerrung wegzurechnen“, suchen wir eine einfache Funktion mit ” f (˜ xi , y˜i ) = (xi , yi ). Die Anwendung dieser Funktion auf das gesamte verzerrte Bild sollte dann eine zumindest weniger verzerrte Aufnahme liefern. Probleme solcher Art treten bei mediengest¨ utzten Operationstechniken auf, die z.B. R¨ ontgenaufnahmen vor und w¨ ahrend des Eingriffs verwenden. Dabei ist in Echtzeit die unvermeidliche, z.B. durch das Erdmagnetfeld erzeugte Verzerrung der R¨ ontgenstrahlung mittels der schon vor der Operation bestimmten Funktion f (x, y) zu beseitigen. Referenzpunkte k¨onnen hier durch ein eingeblendetes Stahlgitter geliefert werden. Als Ansatz f¨ ur die Funktion f bieten sich verschiedene Varianten an. Im eindimensionalen Fall k¨ onnen wir ein Polynom p(x) = a0 + a1 x + . . . + am xm vom Grad m verwenden, um die n gest¨ orten Referenzpunkte (˜ xi ) m¨oglichst gut auf die tats¨ achlichen Positionen (xi ) f¨ ur i = 0, 1, . . . , n abzubilden.

190

16 Beispiele

Im Zweidimensionalen k¨ onnen wir entsprechend zwei Polynome zweiten Grades p(x, y) = a0 + a1 x + a2 y + a3 x2 + a4 y 2 + a5 xy q(x, y) = b0 + b1 x + b2 y + b3 x2 + b4 y 2 + b5 xy f¨ ur die x-, bzw. y-Komponente ansetzen. Dann ergeben sich f¨ ur die n Referenzpunkte zwei lineare Ausgleichsprobleme zur Bestimmung der Koeffizienten von p, bzw. von q durch 2

min (p(˜ xi , y˜i ) − xi , q(˜ xi , y˜i ) − yi )2 . ¨ Ubung 71. Stellen Sie die linearen Gleichungssysteme zu obigen Ausgleichsproblemen auf.

16.3 Gauß’scher Weichzeichner Bilddaten sind oft durch statistisches Rauschen gest¨ort; d.h. jeder Pixelwert ist dabei um einen kleinen Wert verschoben. Diese St¨orungen lassen sich – wegen ihres statistischen Charakters – durch eine Mittelwertbildung zwischen benachbarten Pixeln abschw¨ achen. Weiterhin ist es oft sinnvoll, Bildbereiche, an deren Feinstruktur man nicht interessiert ist, zu gl¨atten. In beiden F¨allen kann der Gauß’sche Weichzeichner eingesetzt werden: Liegt das urspr¨ ungliche Bild – der Einfachheit halber – eindimensional in einer Funktion f (x) vor, so modelliert man diese weich zeichnende Mittelwertbildung durch eine Transformation der Form  f (x) −→ g(x) = K(x − t)f (t)dt 

mit K(x) = exp

 −x2 2 σ . 2π

Mathematisch entspricht diese Operation einer Faltung der Funktion f mit der Gauß-Funktion. Dabei wird also – grob gesprochen – jeder Pixelwert auf seine Nachbarpixel verteilt mit einer Gewichtung, die durch eine ¨ Gauß’sche Glockenkurve gegeben ist. Ahnliche Operatoren auf Bilddaten werden auch in Kapitel 19.4 diskutiert. Nach derselben Methode k¨ onnen wir auch h¨aufig vorkommende St¨orungen von Bilddaten modellieren. So wird bei der Aufnahme von Objekten im Weltall durch die Erdatmosph¨ are jeder urspr¨ unglich scharfe Bildpunkt zu einem unscharfen Fleck verschmiert; wir sprechen hier vom Blurring. Dieser Prozess ist wieder vergleichbar einer – in diesem Falle unerw¨ unschten – Mittelwertbildung, bzw. Faltung.

16.4 Fuzzy-Steuerung

191

Um die Beziehung zwischen den originalen Bilddaten f und der gest¨orten Aufnahme, beschrieben durch eine Funktion g, zu modellieren, stellen wir uns vor, dass die St¨ orung durch Anwendung des Faltungsintergrals zustande ¨ gekommen ist, also durch die Verbreiterung und Uberlagerung aller Pixelpunkte. Das Faltungsintegral ersetzen wir n¨ aherungsweise durch eine Summe unter Anwendung der Mittelpunktsregel. Dadurch entsteht ein linearer Zusammenhang g = Kf zwischen den Pixelpunkten zu f und zu g mit einer Matrix K, die durch die Integrationsregel bestimmt ist. Wollen wir nun aus gemessenen unscharfen Daten g das urspr¨ ungliche und ungest¨ orte Bild f wiedergewinnen, so ist das Gleichungssystem g = Kf zu l¨ osen. Allerdings haben wir es hierbei mit einem schlecht gestellten, inversen Problem zu tun (vgl. 10.3). Daher sind wir gezwungen, zu einem regularisierten Gleichungssystem u ¨ berzugehen, um brauchbare Ergebnisse zu erzielen. In diesem Spezialfall ist K symmetrisch und positiv semidefinit, d.h. xT Kx ≥ 0 f¨ ur alle x. Daher kann man g = Kf ersetzen durch das System g = (K + 2 I)f mit Regularisierungsfaktor . Das zu l¨osende lineare Gleichungssystem mit Matrix K + 2 I ist wesentlich besser konditioniert als das urspr¨ ungliche Problem zur Matrix K. ¨ Ubung 72. Zu Pixeln xj = jh, Grauwerten f (xj ), j = 0, ..., n mit h = 1/n untersuche man verschiedene N¨ aherungsformeln f¨ ur den neuen Grauwert g(xk ), der sich aus der Faltung  g(xk ) =

K(xk − t)f (t)dt =

n−1   xj+1 j=0

K(xk − t)f (t)dt

xj

ergibt unter der Annahme, dass f (x) = 0 f¨ ur x < 0 und x > 1 gilt. Wie sieht dann die Matrix K aus? F¨ ur welche Funktionen K(x) ergibt sich eine Bandmatrix?

16.4 Fuzzy-Steuerung Fuzzy-Steuerung ist eine einfache Methode, f¨ ur komplizierte Vorg¨ange nahezu optimale Steuerung zu erreichen. Bei klassischen mathematischen Steuerungsalgorithmen wird zu Eingabe-Messwerten anhand einer mathematischen Funktion exakt ein Ausgabe-Steuerwert berechnet. In vielen F¨allen ist es aber gar nicht m¨ oglich, mathematisch eine Optimall¨osung zu bestimmen. Oft ist man auch nur an einer billigen, aber einigermaßen vern¨ unftigen Wahl der Steuergr¨ oße interessiert. Dazu verwendet man in der Fuzzy-Steuerung die folgende Vorgehensweise: Zun¨ achst werden die exakten Messwerte durch eine Kombination gewichteter, unscharfer Intervalle repr¨ asentiert; je nachdem, in welchen Bereich ein neuer Messwert f¨ allt, wird dann nach einem vorgegebenen Regelwerk aus den

192

16 Beispiele

Messwert-Intervallen eine neue gewichtete Kombination von Intervallen bestimmt, die die anzuwendende Steuergr¨ oße darstellen sollen. Diese unscharfe Darstellung der Steuergr¨ oße ist vergleichbar mit einer Wahrscheinlichkeitsverteilung f¨ ur die Wahl der Steuergr¨ oße. Aus dieser Verteilungsfunktion muss nun wieder ein eindeutiger Ausgabewert gewonnen werden, der dann zur Steuerung verwendet wird. Beim diesem letzten Schritt, dem so genannten Defuzzify, steht man also vor dem Problem, aus einer Funktion f (t), die unter Ber¨ ucksichtigung aller angesprochenen Intervalle durch Aufaddieren entstanden ist, einen eindeutigen Steuerparameter x auszuw¨ahlen. Diese Zuordnung f (t) → x erfolgt h¨ aufig durch das mean-of-area“-Kriterium; dabei wird dem ” gesuchten Parameter x der Wert zugewiesen, der dem Schwerpunkt der Fl¨ache unterhalb von f entspricht: %b tf (t)dt x = %ab f (t)dt a Dies ist gleichzeitig auch der Erwartungswert der ’Verteilungsfunktion’ f (t). Wir haben also auf einem Intervall [a, b] zu einer Funktion f (t) ≥ 0 die Integrale u ¨ ber f (t) und tf (t) zu berechnen. Die sich ergebende Steuergr¨oße x ist der gewichtete Mittelwert. 1.2

1.1

1

0.9

0.8

0.7

0.6

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

Abb. 16.2. Schwerpunkt x = 11/23 ≈ 0.4783 in [0, 1] f¨ ur f (t) = 1 + t/4 − t2 /2.

Ein anderes Vorgehen k¨ onnte darin bestehen, dasjenige x zur Funktion f (t) auszuw¨ ahlen, das die Gesamtfl¨ ache in zwei genau gleich große Teile zerlegt. Wir wollen also x so bestimmen, dass  x  b f (t)dt = f (t)dt. a

x

In der Funktion aus Abb. 16.2 liefert das mean-of-area“-Kriterium den ” Wert 0.4783, w¨ ahrend das zweite Verfahren x = 0.4698 als Steuerparameter ausgeben w¨ urde.

17 Aufgaben

Mathematics is the only instructional material that can be presented ” in an entirely undogmatic way.“ Max Dehn

¨ Ubung 73. Bestimmen Sie die Anzahl der Operationen zur Berechnung des interpolierenden Polynoms p0,...,n (c) an einer Stelle c mittels a) Lagrange-Polynom b) Neville-Schema c) Newton-Form des interpolierenden Polynoms. ¨ Ubung 74. Wir betrachten die Funktion f (x) = x8 . Bestimmen Sie zu f das interpolierende Polynom vom Grad kleiner gleich 6 zu den St¨ utzstellen −3, −2, −1, 0, 1, 2, 3. ¨ Ubung 75. Approximieren Sie die Funktion ld(x) = log2 (x). a) Berechnen Sie das Interpolationspolynom zu ld(x) mit den St¨ utzstellen 16, 32 und 64. b) Bestimmen Sie die lineare Ausgleichsgerade zu diesen St¨ utzstellen und vergleichen Sie sie mit dem Interpolationspolynom aus a). ¨ Ubung 76 (Trigonometrische Interpolation). Im Intervall [0, 2π] seien n St¨ utzstellen xk = 2π n k, k = 0, . . . , n − 1 und n Interpolationsfunktionen gl : IR → C, gl (x) = exp(ilx), l = 0, . . . , n − 1 gegeben. Zu den n St¨ utzwerten fk soll nun der Interpolant p(x) gefunden werden, so dass gilt: p(xk ) = fk

f¨ ur k = 0, . . . , n − 1,

wobei p(x) =

n−1 

βl gl (x)

l=0

a) Formulieren Sie diese Interpolationsaufgabe als Gleichungssystem By = f. b) Zeigen Sie: BB H = nI. Wie erh¨ alt man daher B −1 und den Interpolanten p(x)?

194

17 Aufgaben

Hinweis: Zeigen Sie: n−1  j=0

 exp

νj2πi n



 =

n falls ν = 0, ±n, ±2n, · · · 0 sonst

¨ Ubung 77 (Lagrange-Polynome bei der Hermite-Interpolation). Bestimmen Sie zu St¨ utzstellen x0 < x1 < . . . < xn ein Polynom der Form p(x) = (x − x0 )2 · · · (x − xj )2 (x − xj+1 )2 · · · (x − xn )2 (αx + β) (17.1) = w2 (x)(αx + β)

(17.2)

ur k = 0, 1, . . . , j − 1, j + 1, . . . , n und mit p(xk ) = p (xk ) = 0 f¨ a) p(xj ) = 0, p (xj ) = 1 b) p(xj ) = 1, p (xj ) = 0 Wie l¨ asst sich mit Hilfe dieser Polynome die Hermite-Interpolationsaufgabe 65 aus Abschn. 14.5 l¨ osen? ¨ Ubung 78 (Bernstein-Polynome). Auf dem Intervall [0, 1] soll eine Kurve S = {(x, s(x)) ; x ∈ [0, 1]} in drei beliebig vorgegebene Punkte Pi = (xi , yi ); i = 0, 1, 2, eingepasst werden. P0 und P2 sollen dabei auf den Intervallr¨ andern (also x0 = 0 und x2 = 1) liegen und interpoliert werden. P1 wird im Allgemeinen nicht auf der Kurve liegen. Die Kurve S wird mittels   2 i yi Bi (x) mit Bi (x) = x (1 − x)2−i s(x) := i i=0 2 

definiert. a) Berechnen Sie die Ableitung der Funktion s(x) an den Stellen x0 und x1 in Abh¨ angigkeit der Werte yi , i = 0, 1, 2. Verwenden Sie dazu die Ableitungen der Bernsteinpolynome Bi (x). b) Bestimmen Sie die beiden Kurventangenten in den Punkten P0 und P2 mit Hilfe Ihrer Ergebnisse aus Teilaufgabe a). Berechnen Sie dann den Schnittpunkt P¯ = (¯ x, y¯) dieser beiden Geraden. c) Es seien die Werte y0 und y2 so wie ein Punkt P∗ = (0.5, y∗ ) gegeben. Berechnen Sie y1 so, dass P∗ auf der Kurve S liegt. ¨ Ubung 79. Pr¨ ufen Sie nach, dass die einfache Simpson-Regel Polynome vom Grad 3 exakt integriert. ¨ Ubung 80. Zu St¨ utzstellen x0 < x1 < x2 mit bekannten Funktionswerten %b f (x0 ), f (x1 ) und f (x2 ) soll das Integral a f (x)dx n¨aherungsweise bestimmt werden; dabei sei a ≤ x0 < x2 ≤ b. Beschreiben Sie, wie man mittels eines Polynoms zweiten Grades dieses Integral n¨ aherungsweise berechnen kann und geben Sie eine explizite Quadraturregel an der Form

17 Aufgaben



b

f (x)dx ≈ a

2 

195

wj f (xj ).

j=0

¨ Ubung 81. Gesucht ist eine Quadraturregel auf dem Intervall [0, 1] zur %1 L¨ osung von Integralen der Form I(f ) = 0 f (x)dx. Bekannt seien von f die Werte der Ableitungen an den Stellen 0 und 1, also f (0) und f (1). Weiterhin sei an einer Stelle z ∈ [0, 1] der Funktionswert f (z) bekannt. Wir ersetzen nun unter dem Integral die Funktion f (x) durch ein geeignetes Polynom. Welchen Grad sollte das Polynom haben und welche Bedingungen sollte es erf¨ ullen? Wie lautet die so gewonnene Quadraturregel? F¨ ur Polynome welchen Grades liefert diese Regel den exakten Wert? Wie sollte man z w¨ahlen, damit Polynome m¨ oglichst hohen Grades exakt integriert werden? ¨ Ubung 82. Gegeben sei eine Integrationsregel mit nur einer St¨ utzstelle x0 und einem Gewicht α:  b αf (x0 ) ≈ f (x)dx. a

Bestimmen Sie x0 und α so, daß die Integrationsregel f¨ ur Polynome m¨oglichst hohen Grades exakt gilt. K¨ onnen Sie eine entsprechende Regel f¨ ur zwei St¨ utzstellen und zwei Gewichte finden? ¨ Ubung 83. Bestimmen Sie zu den St¨ utzstellen x0 = 0, x1 = a, x2 = 1 Gewichte w0 , w1 , w2 und die St¨ utzstelle a so, daß die Integrationsregel  1 f (x)dx = w0 f (0) + w1 f (a) + w2 f (1) 0

f¨ ur Polynome m¨oglichst hohen Grades exakt ist. ¨ Ubung 84. Gegeben sind die St¨ utzstellen a = x0 , x1 = x0 + h, . . . , xn−1 = x0 + (n − 1)h, xn = b, h = b/n, n gerade, und eine Funktion f (x). Gesucht ist %b ein N¨ aherungswert f¨ ur a f (x)dx. Bestimmen Sie mittels der Simpson-Regel      v v−u u+v g(u) + 4g + g(v) , g(x)dx ≈ 6 2 u angewandtjeweils auf die Teilintervalle [x0 , x2 ], . . . , [xn−2 , xn ], eine Formel n aherung des gesuchten Wertes. der Form j=0 cj f (xj ) als N¨ ¨ Ubung 85 (Fehlerabsch¨ atzung der Simpson-Regel). a) Bestimmen Sie zu x0 = a, x2 = b, x1 = (a + b)/2 mit gegebenen Werten f (a), f (b), f ((a + b)/2) das interpolierende quadratische Polynom in der Form p(x) = α + β(x − x1 ) + γ(x − x1 )2 . Zu berechnen sind also α, β und γ in Abh¨angigkeit von den gegebenen St¨ utzpaaren.

196

17 Aufgaben

b) Bestimmen Sie die Taylor-Entwicklung von f (x) um x1 bis zur vierten Ordnung. Damit k¨ onnen dann f (a) und f (b) durch Funktionswert und Ableitungen an der Stelle x1 ausgedr¨ uckt werden. Dasselbe gilt dann auch f¨ ur α, β und γ.  %   b c) Zur Absch¨ atzung von  a (f − p)dx setze man p(x) ein mit α, β, γ aus b) und f¨ ur f (x) die Taylor-Entwicklung bis zur vierten Ordnung. Beweisen Sie durch Absch¨ atzung dieser Formel die Fehlerabsch¨atzung f¨ ur die Simpson-Regel aus 15.3.

Teil V

Die schnelle Fourier-Transformation

18 Eigenschaften und Algorithmen

”

Mathematical Analysis is as extensive as nature herself.“ J. Fourier

Wir betrachten hier einen Vektor von Daten, der untersucht werden soll. Beispielsweise kann dieser Vektor als Komponenten die mittleren Tagestemperaturen der letzten Jahre enthalten. Die diskrete Fourier-Transformation DFT beschreibt nun eine Basistransformation des Cn , die es erm¨oglicht, die in dem gegebenen Vektor enthaltenen Daten zu analysieren und ev. zu modifizieren. Die DFT ist also nichts anderes als eine andere Beschreibung der gegebenen Daten in einer Form, die besser zug¨anglich und verst¨andlich ist. Aus den Fourier-transformierten Daten k¨ onnen dann z.B. Gesetzm¨aßigkeiten und periodische Anteile extrahiert werden, oder die Daten k¨onnen entsprechend bestimmter Vorgaben ver¨ andert werden. Wegen der großen Bedeutung der Fourier-Transformation in den Anwendungen ist es nat¨ urlich wichtig, effiziente und schnelle Algorithmen zur Durchf¨ uhrung der DFT zu haben. Daher besch¨aftigen wir uns in den folgenden Abschnitten mit schnellen Verfahren f¨ ur die DFT, die unter dem Namen Fast Fourier Transformation oder FFT bekannt sind. Diese Algorithmen beruhen alle auf dem divide-and-conquer-Prinzip und sind als spezielle rekursive Verfahren sehr interessant. Dabei sollten wir aber nie vergessen, dass die DFT nichts weiter als eine einfache Matrix-Vektor-Multiplikation ist. Im zweiten Abschnitt stellen wir dann wichtige Anwendungsm¨oglichkeiten und Weiterentwicklungen der DFT vor. Wir besch¨aftigen uns dabei insbesondere mit Anwendungen in der Bildverarbeitung und mit den Themen Filtern und Wavelets.

18.1 Diskrete Fourier-Transformation 

, j = 0, 1, . . . , n − 1, (siehe AnMit den n-ten Einheitswurzeln exp 2πij n hang C) als St¨ utzstellen wollen wir das komplexe Polynominterpolationspro¨ blem (vgl. Kapitel 14 und Ubung 76)

200

18 Eigenschaften und Algorithmen

   2πij vj = p exp n     2πij 2πij(n − 1) + . . . + cn−1 exp = c0 + c1 exp n n   n−1 n−1   2πijk = = ck exp ck ω jk n k=0

k=0

betrachten. Dabei benutzen wir im Folgenden die Abk¨ urzung ω = exp Die Aufgabe lautet also:

2πi  n .

ur j = Finde n komplexe Zahlen c0 , . . . , cn−1 , so daß vj = p(ω j ) f¨ 0, 1, . . . , n − 1 gilt. Dies f¨ uhrt auf das lineare Gleichungssystem ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ 1 1 1 ··· 1 c0 v0 ⎟ ⎜ c1 ⎟ ⎜ v1 ⎟ ⎜1 ω ω n−1 ω2 · · · ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 4 2(n−1) ⎟ ⎜ c2 ⎟ ⎜ v2 ⎟ ⎜ 1 ω2 ω ··· ω ⎟·⎜ ⎟=⎜ ⎟. ⎜ ⎟ ⎜ .. ⎟ ⎜ .. ⎟ ⎜ .. .. .. .. ⎠ ⎝ . ⎠ ⎝ . ⎠ ⎝. . . . cn−1 vn−1 1 ω n−1 ω 2(n−1) · · · ω (n−1)(n−1)

(18.1)

Gl¨ ucklicherweise l¨ asst sich f¨ ur diese Matrix die√Inverse leicht angeben, da diese Vandermonde-Matrix bis auf einen Faktor 1/ n unit¨ar ist (vgl. Aufgabe 76 und Anhang B.3). Die Inverse der Matrix aus (18.1) ist gerade das Hermite’sche dieser Matrix – bis auf einen zus¨ atzlichen Faktor 1/n. Die L¨osung des Gleichungssystems erhalten wir einfach als ⎛ ⎞ ⎞ ⎛ ⎞ ⎛ 1 1 1 ··· 1 v0 c0 2 n−1 ⎜1 ω ⎟ ⎜ v1 ⎟ ⎜ c1 ⎟ ¯ ω ¯ ··· ω ¯ ⎟ ⎟ ⎜ ⎟ ⎜ 2 4 2(n−1) 1⎜ ⎜1 ω ⎟ ⎜ v2 ⎟ ⎜ c2 ⎟ ¯ ω ¯ · · · ω ¯ ⎟= ⎜ ⎟·⎜ ⎟ ⎜ ⎟ ⎜ .. ⎟ ⎜ .. ⎟ n ⎜ .. .. .. .. ⎝. . ⎠ ⎝ . ⎠ ⎝ . ⎠ . . cn−1 vn−1 ¯ 2(n−1) · · · ω ¯ (n−1)(n−1) 1ω ¯ n−1 ω oder ck =

n−1 1 vj ω ¯ jk , n j=0

k = 0, 1, . . . , n − 1.

(18.2)

Die Formeln (18.2) beschreiben nun gerade die diskrete Fourier-Transformation DFT des Vektors (v0 , . . . , vn−1 ), also ⎛ ⎞ ⎞ ⎛ v0 c0 ⎜ v1 ⎟ ⎜ c1 ⎟ ⎜ ⎟ ⎟ ⎜ ⎜ ⎟ ⎜ c2 ⎟ ⎟ = DF T ⎜ v2 ⎟ = F H · c . ⎜ ⎜ .. ⎟ ⎜ .. ⎟ ⎝ . ⎠ ⎝ . ⎠ cn−1 vn−1

18.2 Schnelle Fourier-Transformation am Beispiel der IDFT

Die Umkehrbeziehung ⎛ v0 ⎜ v1 ⎜ ⎜ v2 ⎜ ⎜ .. ⎝ .

⎞

⎛

⎟ ⎟ ⎟ ⎟ = IDF T ⎟ ⎠

⎜ ⎜ ⎜ ⎜ ⎜ ⎝

vn−1

c0 c1 c2 .. .

201

⎞ ⎟ ⎟ ⎟ ⎟=F ·c ⎟ ⎠

cn−1

entspricht dem ersten Gleichungssystem (18.1). In Summenform ausgeschrieben n−1  vj = ck ω jk , j = 0, 1, . . . , n − 1 , k=0

stellt dies die inverse diskrete Fourier-Transformation IDFT dar. In dieser Form entspricht der Aufwand der Berechnung der DFT den Kosten eines Matrix-Vektor-Produkt, also O(n2 ). Wir wollen nun ein schnelleres Verfahren herleiten, das f¨ ur spezielle Werte von n in O(n log(n)) Operationen die DFT berechnet und daher auch als FFT (Fast Fourier Transformation) bezeichnet wird. Eine solche effiziente Berechnung ist angebracht, da die DFT in vielen praktischen Anwendungen ben¨ otigt wird. Anmerkung 52. Die Normierungsfaktoren in der DFT und IDFT sind in der Literatur √ nicht ganz einheitlich definiert. Manchmal normiert man z.B. beide origen Matrizen unit¨ar. Immer aber ist die mit 1/ n – dann sind beide zugeh¨ Normierung so vorzunehmen, dass insgesamt bei Anwendung beider Transformationen der Faktor 1/n entsteht. Weiterhin sind in manchen Lehrb¨ uchern die Definitionen von DFT und IDFT genau vertauscht; dann entspricht die Matrix F H der IDFT, und F entspricht der DFT.

18.2 Schnelle Fourier-Transformation am Beispiel der IDFT Die Grundidee besteht darin, die Summen u ¨ ber n in je zwei Summen halber L¨ange zu zerlegen und dies rekursiv nach dem Prinzip des divide-and-conquer so lange durchzuf¨ uhren, bis man bei trivialen Summen der L¨ange 1 angelangt ist. Dazu notwendig ist nat¨ urlich im ersten Schritt, dass n = 2m gerade ist. Um das Verfahren voll durchf¨ uhren zu k¨ onnen, wollen wir uns von vornherein auf den Fall beschr¨ anken, dass n eine Zweierpotenz ist, n = 2p und daher m = 2p−1 . Wir untersuchen im Folgenden die inverse Fourier-Transformation; das Verfahren f¨ ur die eigentliche DFT erh¨ alt man daraus offensichtlich durch ¨ Ubergang zum konjugiert Komplexen und einem zus¨atzlichen Faktor 1/n: DF T (v) =

1 IDF T (¯ v). n

202

18 Eigenschaften und Algorithmen

F¨ ur (v0 , . . . , vn−1 ) = IDF T (c0 , . . . , cn−1 ) gilt vj =

n−1 

 ck exp

k=0

2πijk n



 n   2 −1 2πij2k 2πij(2k + 1) + = c2k exp c2k+1 exp n n k=0 k=0     m−1 m−1   2πijk 2πijk = + ωj c2k exp c2k+1 exp m m 

n 2 −1



k=0

k=0

f¨ ur j = 0, 1, . . . , m − 1. Die noch fehlenden Eintr¨age vm , . . . , vn−1 erhalten wir nach demselben Prinzip aus  m−1    m−1   2πi(j + m)2k 2πi(j + m)(2k + 1) vm+j = + c2k exp c2k+1 exp n n k=0 k=0     m−1 m−1   2πijk 2πijk − ωj = c2k exp c2k+1 exp m m k=0

k=0

f¨ ur j = 0, 1, . . . , m − 1. Dabei ist       πij πij 2πi(j + m) = exp (πi) exp = − exp = −ω j . exp n m m Wir k¨ onnen also die Berechnung von (v0 , . . . , vn−1 ) = IDF T (c0 , . . . , cn−1 ) zur¨ uckf¨ uhren auf (1)

(1)

(2)

(2)

(v0 , . . . , vm−1 ) = IDF T (c0 , c2 , . . . , cn−2 ) und (v0 , . . . , vm−1 ) = IDF T (c1 , c3 , . . . , cn−1 ) mit Vektoren halber L¨ ange. Daran anschließend folgt eine Kombination der Vektoren v (1) und v (2) , versehen mit Gewichtsfaktoren ω j , um die erste bzw. zweite H¨ alfte der gesuchten L¨ osung (v0 , . . . , vn−1 ) zu erhalten. Wir teilen dabei also den Ausgangsvektor auf in je einen Vektor halber L¨ange mit den geraden Koeffizienten und mit den ungeraden, wenden auf diese Teilvektoren die IDFT an und kombinieren die Ergebnisvektoren zur gesuchten L¨osung des Ausgangsproblems. Diese Vorgehensweise wiederholen wir rekursiv, d.h. auch die IDFT der Teilvektoren f¨ uhren wir auf Vektoren wiederum halber L¨ange zur¨ uck, bis wir bei Vektoren der L¨ ange Eins angelangt sind, f¨ ur die die Berechnung der IDFT trivial ist. In einer ersten Formulierung k¨ onnen wir diesen Algorithmus nun durch ein rekursives Programm beschreiben:

18.3 FFT-Algorithmus am Beispiel der IDFT

203

FUNCTION (v[0], .., v[n-1]) = IDFT(c[0], .., c[n-1],n) IF n == 1 THEN v[0] = c[0]; ELSE m = n/2; z1 = IDFT(c[0], c[2], .., c[n-2], m); z2 = IDFT(c[1], c[3], .., c[n-1], m); omega = exp(2*pi*i/n); FOR j=0, ..., m-1: v[j] = z1[j] + omega^j * z2[j]; v[m+j] = z1[j] - omega^j * z2[j]; ENDFOR ENDIF Die wesentliche Operation ist also die komponentenweise Verkn¨ upfung der Zwischenvektoren z (1) und z (2) durch einen Butterfly“ (Abb. 18.1). ” a j + wj b j

aj

wj

bj

aj − w j bj

Abb. 18.1. Butterfly, der die elementare Verkn¨ upfung zweier Komponenten bei der FFT beschreibt.

Ein Aufruf des Programms IDF T (c0 , c1 , c2 , c3 ) ergibt den in Abb. 18.2 dargestellten Baum, der die verschiedenen Aufrufe von IDFT verschiedener L¨ange und ihre zeitliche Reihenfolge darstellt.

18.3 FFT-Algorithmus am Beispiel der IDFT In Anbetracht der großen Bedeutung der diskreten Fourier-Transformation in vielen Anwendungsbereichen sind wir mit dieser rekursiven Formulierung der DFT noch nicht zufrieden. Um ein besseres Laufzeit- und Speicherplatzverhalten zu bekommen, werden wir versuchen, die Rekursion mittels einfacher FOR-Schleifen zu realisieren.

204

18 Eigenschaften und Algorithmen 0 C0

C0

C1

C3 6

C2

C1

2

4

C0

C2

3

5 V0

C2

1

V2

C3

7

9

C1

C3

8

10 V1

V3

Abb. 18.2. Aufrufbaum der FFT f¨ ur n = 4.

Denn zum einen erlauben nicht alle Programmiersprachen rekursive Programmaufrufe, und zum anderen kostet jeder rekursive Aufruf nat¨ urlich zus¨ atzlich Zeit, um z.B. neuen Speicherplatz f¨ ur das Anlegen der entsprechenden neuen Variablen zur Verf¨ ugung zu stellen. Eine genauere Analyse, die in diesem Abschnitt durchgef¨ uhrt wird, zeigt, wie sich das rekursive Programm auf einfache FOR-Schleifen (Loops) zur¨ uckf¨ uhren l¨asst. Wir wollen einmal die verschiedenen rekursiven Aufrufe der Funktion IDF T im Falle n = 8 genau verfolgen. Zun¨achst wird also der Vektor (c0 , . . . , c7 ) in zwei Vektoren (c0 , c2 , c4 , c6 ) und (c1 , c3 , c5 , c7 ) mit den geraden, bzw. ungeraden Koeffizienten aufgeteilt. F¨ ur jeden dieser Vektoren wird wieder IDF T aufgerufen. Also wird z.B. (c0 , . . . , c6 ) nun wiederum aufgeteilt nach gerade und ungerade in (c0 , c4 ) und (c2 , c6 ). Dasselbe wiederholt sich auf dieser Ebene, und (c0 , c4 ) wird aufgespalten in (c0 ) und (c4 ). Ein erneuter Aufruf von IDF T st¨ oßt nun aber auf den Sonderfall eines Vektors der L¨ ange 1, und die inverse Fourier-Transformation besteht nun einfach darin, die Zahl unver¨ andert zu u ¨bernehmen. Bis hierher wurde also nur durch rekursive Funktionsaufrufe der Ausgangsvektor in immer kleinere Einheiten zerlegt, bis wir bei L¨ ange Eins angekommen sind, und die Ausf¨ uhrung der IDFT trivial ist. Nun meldet der letzte Funktionsaufruf von IDF T sich auf der aufrufenden Ebene zur¨ uck mit seinem Ergebnis. Das aufrufende Programm baut die Zwischenergebnisse nach dem bekannten Schema aj ± ω j bj zu einem doppelt so langen Vektor zusammen, und meldet sein Ergebnis nach oben. Dies wird so lange durchgef¨ uhrt, bis wir auf der obersten Ebene des urspr¨ unglich aufgerufenen Programms angekommen sind. Abb. 18.3 beschreibt den Datenfluss und die elementaren Rechenschritte der FFT f¨ ur n = 8. Der Aufruf von IDF T bewirkt also zun¨ achst ein rekursives Aufteilen des Ausgangsvektors in Anteile mit geraden und ungeraden Indizes. Erst danach beginnt die eigentliche Rechenphase mit der Kombination einzelner Komponenten mittels des Butterflys aus Abb. 18.1. Wir wollen daher im Folgenden

18.3 FFT-Algorithmus am Beispiel der IDFT

c0

c0

c0

z1

205

w0 z1

c1

c2

c4

z2

w1 z1

c2

c4

c2

z1

w2 z2

c3

c6

c6

z2

w3

c4

c1

c1

z1

w4 z1

c5

c3

c5

z2

w5 z2

c6

c5

c3

z1

w6 z2

c7

c7 Sortierphase

c7

z2

w7 Kombinationsphase

Abb. 18.3. Programmfluß bei der FFT der L¨ ange 8.

den Gesamtalgorithmus in eine Sortierphase und eine anschließende Kombinationsphase aufteilen. Die Sortierphase: Zun¨ achst betrachten wir die Sortierphase. In unserem Beispiel mit n = 8 wird der Vektor (c0 , . . . , c7 ) durch wiederholtes Aufspalten in 8 Vektoren der L¨ ange Eins transformiert, und erscheint in der neuen Reihenfolge c0 , c4 , c2 , c6 , c1 , c5 , c3 , c7 (entspricht der dritten Spalte in Abb. 18.3). Dabei steht nun z.B. c4 an zweiter Stelle, c3 an vorletzter usw. In dieser Reihenfolge werden die Vektoren in der Kombinationsphase entsprechend aj ± ω j bj wieder zu l¨ angeren Vektoren zusammengesetzt. Die Sortierung ordnet also jedem Index k zu Komponente ck eine Zahl π(k) zu, die beschreibt, an wel-

206

18 Eigenschaften und Algorithmen

cher Stelle ck nach der Sortierung steht. So ist π(1) = 4, da c1 durch die Sortierung an Position 5 gelangt, an der sich urspr¨ unglich c4 befand. Beschreiben wir f¨ ur n = 2p die Indizes k im Bin¨arsystem mit p Stellen, so erfolgt die Sortierung nach der einfachen Regel, dass im ersten Schritt Indizes k mit letzter Bin¨ arziffer Eins (Einerstelle) in den hinteren Teil verschoben werden (da ungerade), also am Ende der Sortierphase auf jeden Fall eine Eins als erste (h¨ ochste) Bin¨ arziffer aufweisen werden. Umgekehrt f¨ uhrt eine Null an der letzten Stelle dazu, dass die Zahl in die vordere H¨alfte r¨ uckt, also auch nach der Sortierung Null als erste Stelle f¨ uhren wird. Analog erfolgt die Sortierung im zweiten Schritt dann nach der zweitletzten Bin¨ arziffer (wird zur zweith¨ ochsten) usw. Insgesamt erhalten wir also π(k) ardarstellung von k die Reihenaus k = (bp−1 bp−2 · · · b0 )2 , indem in der Bin¨ folge der Ziffern genau umgekehrt wird, also π(k) = (b0 · · · bp−1 )2 . Dieser Vorgang wird als Bitreversal‘ bezeichnet. ’ In obigem Beispiel mit p = 3 erhalten wir: k = 5 = (101)2 → π(k) = (101)2 = 5, k = 3 = (011)2 → π(k) = (110)2 = 6, k = 1 = (001)2 → π(k) = (100)2 = 4, also genau entsprechend der Sortierung aus Abb. 18.3. Diese Kenntnis wollen wir dazu benutzen, ein direktes Loop-Programm f¨ ur die Sortierphase anzugeben. Ist n¨ amlich π(k − 1) schon bekannt, so gilt k − 1 = (bp−1 bp−2 bp−3 . . . 011 . . . 11)2 und π(k − 1) = (11 . . . 110 . . . bp−3 bp−2 bp−1 )2 . Damit folgt k = (bp−1 bp−2 bp−3 . . . 100 . . . 00)2 und

π(k) = (00 . . . 001 . . . bp−3 bp−2 bp−1 )2 .

Dabei betrachten wir von k − 1 den rechten Block von aufeinander folgenden Einsen gefolgt von der ersten Null (von rechts); durch die Erh¨ohung um Eins in k verwandelt sich diese Null in eine Eins und der Einser-Block in entsprechend viele Nullen. Genauso verwandelt sich in π(k − 1) die Folge 11 . . . 110 in 00 . . . 001 in π(k). Dieses Vorgehen entspricht also einem H¨ oherz¨ ahlen von links (statt von rechts, wie das normalerweise geschieht). Um also aus π(k − 1) nun π(k) zu erhalten, wird von links her das erste Paket aufeinander folgender Einsen durch entsprechende Nullen ersetzt und die erste auftretende Null durch eine Eins. Die restlichen Stellen bleiben unver¨ andert. Hat das erste 1er-Paket die L¨ ange Null, d.h. π(k − 1) beginnt mit einer Null, so reduziert sich dieser Schritt, und es wird nur diese Null durch eine Eins ersetzt. Daraus resultiert folgender Algorithmus f¨ ur die Sortierphase der Fast Fourier Transformation:

18.3 FFT-Algorithmus am Beispiel der IDFT

207

pi[0] = 0; FOR k = 1, ..., n-1: pi[k] = pi[k-1]; FOR j = 1, ..., p: IF pi[k] < 2^(p-j) THEN pi[k] = pi[k] + 2^(p-j); BREAK ELSE pi[k] = pi[k] - 2^(p-j); ENDIF ENDFOR ENDFOR Im Vektor π ist dann die Permutation P gespeichert, die angibt, an welche Stelle eine entsprechende Komponente des Eingabevektors c durch die Sortierung wandert, also c →P v˜ oder v˜ = c(π(k)). Mit v˜ bezeichnen wir den Vektor, in dem das Zwischenergebnis nach der Sortierphase gespeichert ist. Offensichtlich hat diese Permutation die Eigenschaft, dass sie sich bei zweimaliger Anwendung aufhebt, also P −1 = P . Die Kosten der Sortierphase sind offensichtlich O(n log2 (n)), da die Anzahl der Operationen in obigem Programm gegeben ist durch p−1 n−1 

1 ≤ p · n = n log2 (n).

k=1 j=1

Die Kombinationsphase: Nach der Sortierphase k¨ onnen wir nun auch die Kombinationsphase direkt durch FOR-Schleifen beschreiben. Im ersten Schritt haben wir es mit Vektoren der L¨ ange m = 20 = 1 zu tun. Dies sind die einzelnen Komponenten des von der Sortierphase gelieferten Vektors v˜ (gleich der mittleren Spalte in Abb. 18.3). Die einzelnen Komponenten dieser Vektoren der L¨ange 1 = 2L mit L = 0 werden paarweise mit dem Faktor ω = exp(πiL/m) = 1 in der Form a ± b kombiniert. Im zweiten Schritt (n¨ achste rechte Spalte) haben wir es mit Vektoren der L¨ange m = 2 zu tun. Die ersten Komponenten zweier Nachbarn zu L = 0 werden jeweils mit ω = 1 kombiniert, die zweiten Komponenten zu L = 1 mit ω = exp(πi/2) = i, also a ± ib; dies wird wiederholt f¨ ur zwei Bl¨ocke von Nachbarpaaren im Abstand 2m = 4. Allgemein haben wir also im K-ten Schritt Vektoren der L¨ange m = 2K−1 und zu kombinierende Nachbarpaare im Abstand 2m. Gleiche Komponenten eines Nachbarpaares geh¨ oren zu gleichem L und werden mit gleichem ω = exp(πiL/m) kombiniert. Also legt in jeder Spalte die Komponente eines Vektors fest, welches ω dazugeh¨ ort, und gleiche Nachbarkomponenten geh¨ oren zum gleichen ω.

208

18 Eigenschaften und Algorithmen

Dies k¨ onnen wir in folgendem Programm beschreiben: j=1; FOR K = m = j = FOR

1, ..., p: j; 2*m; L = 0, ..., m-1: omega = cos(pi*L/m) + i*sin(pi*L/m); FOR M = 0, j, 2*j, ..., n-j: g = vtilde[L+M]; h = omega * vtilde[L+M+m]; vtilde[L+M] = g + h; vtilde[L+M+m] = g - h; ENDFOR ENDFOR ENDFOR Dabei gibt K die Spalte in Abb. 18.3 an, L die Komponente des Vektors, und mit M durchlaufen wir alle Nachbarpaare im Abstand 2m = 2K . Nach Beendigung dieses Programmes liegt in vtilde = v˜ der gesuchte Vektor v. Damit haben wir insgesamt ein einfaches Loop-Programm zur Ausf¨ uhrung der schnellen Fourier-Transformation entwickelt. Die Kosten dieses Programms ergeben sich aus der Ausf¨ uhrung des Butterflys f¨ ur p Spalten aus Abb. 18.3, wobei in jeder Spalte n paarweise Kombinationen anfallen. Also summiert sich der Gesamtaufwand der FFT in dieser Form zu O(n log(n)) arithmetischen Operationen. Wir wollen an dieser Stelle eine genauere Kostenanalyse durchf¨ uhren. F¨ ur die Anzahl der Operationen Tn (= Anzahl der arithmetischen Operationen f¨ ur die FFT der L¨ ange n) gilt offensichtlich die einfache Beziehung T2n = 2Tn + αn. Nun f¨ uhren wir die Beziehung fp := Tn = T2p mit n = 2p ein. F¨ ur die Folge der fp gilt dann fp+1 = 2fp + α2p . Betrachten nun die zu den Koeffizienten fp geh¨orige erzeugende Funkwir ∞ tion F (x) = p=0 fp xp , so gewinnen wir f¨ ur F (x) eine explizite Darstellung der Form f0 αx . + F (x) = 2 (1 − 2x) 1 − 2x Aus der Reihenentwicklung von F(x) lassen sich die Koeffizienten fp ablesen zu fp = (αp + 2f0 )2p−1 , f¨ ur p = 1, 2, . . . und daher gilt

18.3 FFT-Algorithmus am Beispiel der IDFT

Tn = T2p = fp =

209

α n log2 (n) + f0 n = O(n log2 (n)) 2

Anmerkung 53. Man beachte, dass diese divide-and-conquer-Idee nur funktionieren kann, wenn die L¨ ange des Eingabevektors n eine Zweier-Potenz ist, oder zumindest in viele Primfaktoren zerf¨ allt. Ist n aber eine Primzahl, so ben¨ otigt die DFT O(n2 ) Operationen, da keine Aufspaltung in Teilprobleme m¨ oglich ist. Allerdings kann dann die Berechnung der DFT auf die Bestimmung von Fourier-Transformationen von Vektoren anderer L¨ange zur¨ uck gef¨ uhrt werden; diese sind dann nicht von Primzahl-L¨ange und k¨onnen wieder rekursiv schnell bestimmt werden. Ist n = 2p = 4(p/2) = 4q , so ist z.B. auch eine Aufspaltung in 4 Teilsummen der L¨ ange n/4 m¨ oglich, die wiederum in 4 Teilsummen zerlegt werden k¨ onnen. Dieses Vorgehen kann q-mal wiederholt werden, bis wieder triviale Teilsummen der L¨ ange Eins erreicht sind. F¨ ur jede Teilsumme besteht also die M¨ oglichkeit zwischen einer Aufspaltung in 2 oder 4 Teilprobleme. Allgemein bestimmt jede Faktorisierung n = n1 · n2 · · · nk eine m¨ogliche Aufspaltung in Teilsummen.

Abb. 18.4. M¨ ogliche FFT-Varianten aus verschiedenen Faktorisierungen von n = 8 = 1 · 8 = 2 · 4 = 2 · 2 · 2 = 4 · 2 = 8 · 1.

Anmerkung 54. Unter FFTW versteht man das Programm Fastest Fourier ’ Transform in the West‘. Unter Ber¨ ucksichtigung des benutzten Computers (Speicher, Cache usw.) und der Vektorl¨ ange n und ihrer verschiedenen Primfaktorzerlegungen wird diejenige Aufspaltung in Teilsummen (bzw. Folge von Faktorisierungen von n) und Modifikation der FFT bestimmt, die auf dem benutzten Rechner zur schnellsten Laufzeit f¨ uhren sollte. Dazu wird ein entsprechender Programmcode erstellt und mit diesem individuell angepassten Programm wird die DFT berechnet.

19 Anwendungen

Willst du dich am Ganzen erquicken, so musst du das Ganze im ” Kleinsten erblicken.“ J.W. von Goethe

19.1 Schnelle Multiplikation von Polynomen Gegeben seien die beiden Polynome C(x) = c0 + c1 x + . . . + cγ xγ und D(x) = d0 + d1 x + . . . + dδ xδ vom Grad γ bzw. δ. Gesucht ist das Produktpolynom P(x) = C(x) · D(x) = p0 + p1 x + . . . + pN xN vom Grad N = δ + γ. Die Koeffizienten berechnen sich gem¨ aß pj =

j 

cl dj−l

j = 0, 1, . . . , N.

l=0

Die Berechnung aller Koeffizienten gem¨ aß dieser Formel ben¨otigt also O(N 2 ) Operationen. Mit Hilfe der Fourier-Transformation l¨asst sich jedoch ein schnelleres Verfahren finden: Da N nicht notwendig eine Zweierpotenz ist, bestimmt man zun¨achst n als die kleinste Zweierpotenz echt gr¨ oßer N . Dann berechnet man an den Stellen exp(2πil/n), l = 0, . . . , n − 1, die Werte der beiden Polynome C und D:  n−1  C e2πil/n = ck e2πikl/n k=0

n−1   D e2πil/n = dk e2πikl/n

(19.1)

k=0

F¨ ur k > δ bzw. k > γ, setzen wir ck := 0 bzw. dk := 0; wir verl¨angern also die Polynome k¨ unstlich durch Nullkoeffizienten. Die sich ergebenden Gleichungen entsprechen dann gerade der IDFT und lassen sich daher in O(n log(n)) Operationen berechnen. An den Stellen exp(2πil/n) hat das Produktpolynom P = C · D die Werte

212

19 Anwendungen

   vl := P e2πil/n = C e2πil/n · D e2πil/n

l = 0, 1, . . . , n − 1

Mittels der zur IDFT inversen Transformation, also der DFT, lassen sich aus diesen Werten die Koeffizienten des Produktpolynoms gewinnen: pk :=

n−1 1  −2πikl/n vl e n

k = 0, 1, . . . , n − 1.

(19.2)

l=0

Alle drei Transformationen aus diesen letzten Gleichungen werden durch die Schnelle Fourier-Transformation mit Aufwand O(n log(n)) berechnet. Da die Multiplikation der Werte nur O(n) Operationen braucht, setzt sich der Gesamtaufwand also nur noch aus O(n log(n)) = O(N log(N )) Operationen zusammen. Die Korrektheit dieses Verfahrens folgt aus der eindeutigen L¨osbarkeit des trigonometrischen Interpolationsproblems.

19.2 Fourier-Analyse der Sonnenfleckenaktivit¨ at Die Aktivit¨ at der Sonnenflecken folgt einem Zyklus von ca. 11 Jahren. Die sog. Wolf oder Wolfer-Zahl, benannt nach den beiden Schweizer Astronomen Rudolf Wolf und Alfred Wolfer, misst sowohl Anzahl als auch Gr¨oße der Sonnenflecken. Diese Zahl wurde seit fast 300 Jahren von Astronomen bestimmt und tabelliert (Abb. 19.1 und 19.2). 200

180

160

140

120

100

80

60

40

20

0 1700

1750

1800

1850

1900

1950

2000

Abb. 19.1. Wolfer-Zahlen f¨ ur die Jahre 1700 bis 2000.

19.2 Fourier-Analyse der Sonnenfleckenaktivit¨ at

213

140

120

100

80

60

40

20

0 1700

1705

1710

1715

1720

1725

1730

1735

1740

1745

1750

Abb. 19.2. Wolfer-Zahlen f¨ ur die Jahre 1700 bis 1750.

Wir sammeln diese Werte f¨ ur jedes Jahr in einem Vektor v. Diesen Vektor wollen wir mit Mitteln der Fourier-Analyse in MATLAB untersuchen und die festgestellte Periode von 11 Jahren dadurch best¨atigen [79]. Der Gesamtbeobachtungszeitraum T besteht also aus 300 Jahren; dabei ist Δ = 1 Jahr das Zeitintervall, in dem jeweils eine Wolfer-Zahl bestimmt wurde und N = T /Δ ist die Anzahl der Beobachtungsintervalle oder die L¨ange des Vektors v. Die Grundfrequenz 1/(300J) geh¨ort also zur Wellenzahl k = 1 mit Grund-Periode 300 Jahre (zur Definition von Wellenzahl, Periode und Frequenz siehe Anhang D). Wir betrachten hier also als Grundintervall nicht das Intervall [0, 2π] bzw. [−π, π] sondern das Intervall [0Δ, 300Δ] = [0Δ, T ]. Daher lautet die Fourier-Reihe der zugrunde liegenden Funktion g, die das Verhalten der Wolfer-Zahl beschreibt, g(x) =

∞  k=−∞

=

  ∞  2πΔ 2kπix kx = )= ck exp i ck exp( T 300

∞  k=0

k=−∞

(ak cos(

2kπx 2kπx ) + bk sin( )). 300 300

Um die periodischen Bestandteile der Wolfer-Zahl zu erkennen, wenden wir die DFT auf den Vektor v an, um N¨aherungen f¨ ur die FourierKoeffizienten ck zu gewinnen. Da die Wolfer-Zahl pro Jahr gebildet wird, lassen sich nur periodische Anteile bestimmen, die nicht feiner sind als eine Periode von 2Δ = 2 Jahre; Schwingungen mit einer kleineren Periode als 2 Jahren k¨onnen durch die zwei Zahlenwerte der Wolfer-Zahl f¨ ur diesen Zeitraum gar nicht dargestellt und

214

19 Anwendungen

erfasst werden. Daher ist die gr¨ oßte beobachtbare Wellenzahl k gleich N/2, bzw. die h¨ ochste beobachtbare Frequenz gleich Δ/2, die Nyquist-Frequenz, die bestimmt ist durch die Feinheit Δ der verwendeten Diskretisierung. Zun¨ achst wenden wir die DFT auf v an und erhalten y = DF T (v), einen Vektor komplexer Zahlen. Die erste Komponente von y ist die Summe u ¨ ber die vj , und bedeutet nur eine Verschiebung der zugrunde liegenden Funktion g und kann ignoriert werden. Der Vektor y enth¨alt nun n¨aherungsweise die Fourier-Koeffizienten von g. Interessanter f¨ ur die Analyse der Funktion g ist der Vektor aus den quadrierten Betr¨ agen der Komponenten von y, p(k) = |y(k)|2 , k = 1, . . . , N/2. Wir verwenden hier nur die erste H¨ alfte der Daten bis zur Nyquist-Frequenz. Damit entspricht jeder Wert p(k) der Gr¨ oße der Komponente zu dem kten Vielfachen der Grundfrequenz, also zu der Frequenz f (k) = k(1/T ) = k/(ΔN ), k = 1, . . . , N/2. Wir k¨ onnen auch sagen, dass p(k) das Gewicht der Periode 1/f (k) = T /k angibt. Tragen wir nun den Vektor p(k) gegen den Vektor der dazugeh¨ orige Perioden T /k auf, so entsteht die Abb. 19.3, aus der sich die Periode von 11 Jahren als betragsgr¨ oßter Eintrag ablesen l¨asst. 7

2

x 10

1.8

1.6

1.4

p

1.2

1

0.8

0.6

0.4

0.2

0

0

5

10

15

20 Periode

25

30

35

40

Abb. 19.3. Betragsquadrate der Fourier-Koeffizienten aufgetragen u ¨ ber dazugeh¨ orige Perioden.

19.3 Bildkompression

215

19.3 Bildkompression 19.3.1 Mathematische Modellierung von Graustufenbildern Wir wollen ein Graustufenbild (Schwarz-Weiß-Bild) wieder auffassen als eine Matrix von Grauwerten. Jeder Grauwert gij entspricht dem des Bildpixels in Zeile i und Spalte j des Bildes. Um unabh¨ angig von der Anzahl der verwendeten Graustufen zu bleiben, legen wir fest, daß die gij Werte aus dem Intervall [0, 1] annehmen d¨ urfen. Null entspricht der Farbe Schwarz, Eins entspricht Weiß. 19.3.2 JPEG-Verfahren zur Komprimierung von Bildern Das JPEG-Verfahren macht sich die spezielle Frequenzverteilung von nat¨ urli” chen“ Bildern zunutze, um diese stark komprimiert zu speichern. Dabei werden kleine Verluste in der Bildqualit¨ at in Kauf genommen. Die Komprimierung der Bilddaten geschieht in folgenden Schritten: – Farbbilder werden in das YUV-Farbmodell umgewandelt. Y steht dabei f¨ ur die Helligkeitsinformation, U und V bezeichnen Farbton und -s¨attigung. Da das menschliche Auge Farbunterschiede schlechter unterscheiden kann als Helligkeitsunterschiede, wird oft vorneweg als erster Kompressionsschritt die Aufl¨ osung der U- und V-Komponenten reduziert. – Das Bild wird in 8 × 8 Pixel große Bl¨ ocke eingeteilt. Auf jeden einzelnen Block wird eine Schnelle Cosinus-Transformation angewandt (FCT, Fast ” Cosine Transform“, beschrieben in Abschn. 19.3.3). – Die Frequenzwerte werden quantisiert, d.h. es werden nur einige diskrete Werte f¨ ur die Frequenzen zugelassen. Dazwischen liegende Frequenzwerte m¨ ussen entsprechend gerundet werden (vergleiche die Definition von Maschinenzahlen in Kapitel 4). Dieser Arbeitsschritt ist wesentlich f¨ ur die Qualit¨atsverluste bei der Komprimierung verantwortlich. – In den restlichen Schritten werden die quantisierten Daten auf herk¨ommli” che“ Art und Weise gepackt (Zero Packing, Run Length Encoding, Huffman Encoding)1 . Anmerkung 55 (Digitaler Autofokus). Die Cosinus Transformation von JPEG wird in digitalen Kameras h¨ aufig auch noch zur Scharfeinstellung des Kameraobjektivs verwendet. Dabei geht man davon aus, dass ein unscharfes 1

Der Programmierer Phil Katz, der im Alter von 37 Jahren in Milwaukee, Wisconsin, starb, entwickelte PKZip, das Freeware-Programm, mit dem Dateien einund ausgepackt werden. Fast jede gr¨ oßere Datei aus dem Internet (fr¨ uher auch aus den Mailboxen) tr¨ agt das Kennzeichen .zip. Katz entwickelte PKZip 1986 am K¨ uchentisch seiner Mutter. Er traute dem Programm anfangs nicht zu, ein kommerzieller Erfolg zu werden und betrachtete es nur als Hobby. Der viel versprechende junge Mann starb an den Folgen seiner Alkoholsucht.

216

19 Anwendungen

Bild wenig Information enth¨ alt, also stark komprimierbar ist. Ablesen l¨asst sich dies an der Gr¨ oße der Koeffizienten zu hochfrequenten Anteilen nach Ausf¨ uhrung der DCT. Ein scharfes Bild liefert gr¨oßere hochfrequente Koeffizienten, die die Feinstruktur des Bildes widerspiegeln. Nun kann f¨ ur verschiedene Objektiveinstellungen die Gr¨ oße der hochfrequenten Koeffizienten verglichen werden; aus den verschiedenen M¨oglichkeiten w¨ahlt die Kamera dann automatisch die Einstellung aus, die die beste Feinstrukturinformation enth¨ alt, also das sch¨ arfste Bild liefert. 19.3.3 Cosinus Transformation Bilddaten sind weder periodisch, noch haben sie komplexe Anteile. Daher ist die herk¨ ommliche“ Fourier-Transformation nicht sinnvoll anwendbar. Das ” JPEG-Verfahren bedient sich folgender Cosinus Transformation: 

πk j + 12 Fk = k = 0, . . . , N − 1 fj cos N j=0 

 N −1 πk j + 12 2  fj = Fk cos N N k=0  

  N −1  πk j + 12 2 F0 + Fk cos := N 2 N 

N −1 

k=1

j = 0, . . . , N − 1 . Die entsprechende 2D-Transformation lautet: N1 −1 N2 −1

Fk1 k2 =

X X

fj1 j2 cos

j1 =0 j2 =0

fj1 j2 =

4 · N1 N2 N1 −1 N2 −1 X X k1 =0

k2 =0

` ´! πk1 j1 + 12 cos N1

Fk1 k2 cos

` ´! πk2 j2 + 12 , N2

` ´! πk1 j1 + 12 cos N1

(19.3)

` ´! πk2 j2 + 12 . (19.4) N2

19.3.4 Reduktion auf die bekannte FFT Die oben angegebene 2D-Cosinus Transformation l¨asst sich in 3 Schritten auf die bekannte FFT zur¨ uckf¨ uhren: 1. Die 2D-Cosinus Transformation l¨ asst sich durch Hintereinanderausf¨ uhren von 1D-Transformationen ausf¨ uhren. (siehe Aufgabe 86.)

19.4 Filter und Bildverarbeitung

217

2. Durch Spiegelung der Werte von Fk bzw. fj l¨asst sich die Cosinus Transformation in eine modifizierte Fourier-Transformation doppelter L¨ange u uhren, d.h. mit ¨ berf¨  j = 0, . . . , N − 1 fj , & fj = und f2N −j−1 , j = N, . . . , 2N − 1 ⎧ k = 0, . . . , N − 1 ⎨ 2Fk , k=N F&k = 0, ⎩ −2F2N −k , k = N + 1, . . . , 2N − 1 gilt:   2N −1 −2πi(j + 12 )k 1  & , Fk exp f&j = 2N j=0 2N

F&k =

2N −1 

f&j exp

j=0



2πi(j + 2N

 1 2 )k

(19.5) .

3. Durch geeignete Skalierung der F&k und f&j wird die obige Fourier-Transformation in die DFT aus Kapitel 18.1 u uhrt (siehe Aufgabe 87). ¨berf¨ ¨ Ubung 86. Zeigen Sie, daß die Cosinus Transformation aus Gleichung (19.3) und (19.4) durch Hintereinanderausf¨ uhren von je N1 und N2 1D Transformationen durchf¨ uhrbar ist. ¨ Ubung 87. Finden Sie Faktoren γk , so daß f¨ ur g&k = γk F&k aus den modifizierten Transformationen aus Gleichung (19.5) die folgenden Fourier-Transformationen entstehen:   2N −1 1  −2πijk g&k exp f&j = 2N j=0 2N

,

gk = &

2N −1  j=0

f&j exp



2πijk 2N

 .

19.4 Filter und Bildverarbeitung Ein Bild stellen wir uns wieder vor als eine Matrix, deren Eintr¨age die Graustufen in den entsprechenden Pixeln repr¨ asentieren. Um ein solches Bild zu bearbeiten, verwenden wir lokale Operatoren, die in jedem Bildpunkt, abh¨ angig von den Werten in den Nachbarpunkten, einen neuen Grauwert berechnen. Solche Operatoren werden bei der Bild-Vorbearbeitung eingesetzt, um eine visuelle Beurteilung des Bildmaterials zu erleichtern oder nachfolgende Analyseverfahren zu erm¨ oglichen.

218

19 Anwendungen

Ein Filter heißt homogen, wenn er den neuen Pixelwert unabh¨angig von der Position nach demselben Verfahren aus den Nachbarpunkten berechnet. Die Auswahl der dabei benutzten Pixel-Nachbar-Punkte erfolgt mittels einer Maske, die im Laufe der Anwendung des Filteroperators u ¨ ber das gesamte Bild l¨ auft und jeden Pixel entsprechend neu berechnet. Durch solche Filter lassen sich z.B. – wichtige Merkmale hervorheben, wie Ecken und Kanten – St¨ orungen wie z.B. Rauschen unterdr¨ ucken – die Bildsch¨ arfe erh¨ ohen oder erniedrigen. Wenden wir einen solchen Filter auf die Bilddaten direkt an, so sprechen wir von einer Bearbeitung im Ortsraum. So bestimmen wir z.B. an jeder Stelle i, j einen neuen, gefilterten Grauwert als Mittelwert der neun benachbarten Punkte 1 1  p˜i,j = pi+m,j+k . 9 m,k=−1

Diese Operation wird beschrieben durch die Maske ⎡ ⎤ 111 1⎣ 1 1 1⎦. 9 111 Man kann auch Filter definieren, indem man die Daten zun¨achst vom Ortsraum mittels DFT in den sog. Frequenzraum transferiert, und dann eine Filtermaske auf diese transformierten Zahlen anwendet; die Wirkung eines solchen Filters wird durch seine Transferfunktion f beschrieben: p˜ = IDF T (DF T (p) · f ) p → DF T (p) =: q → (qj ∗ fj )nj=1 =: g → IDF T (g) = p˜ . Solche Filter werden unter anderem auch bei der Audiokomprimierung, z.B. mit MP3 eingesetzt. Als Tiefpassfilter zur Abschw¨ achung von hochfrequentem Rauschen kann man den oben definierten Rechteckfilter benutzen. Durch die Mittelwertbildung wird das Bild wird weicher, Kanten verwischen, Details werden abgeschw¨ acht. Sehr gut eignet sich dazu auch der Gauß-Filter (eng verwandt mit der Gauß’schen Glockenkurve aus Abb. 15.1 und dem Gauß’schen Weichzeichner 16.3), beschrieben durch die Maske ⎡ ⎤ 121 1 ⎣ 2 4 2⎦. 16 1 2 1 Hochpassfilter benutzt man, um Bilddetails genauer herauszuarbeiten; Kanten werden betont, das Bild wird h¨ arter, homogene Bilddaten werden

19.4 Filter und Bildverarbeitung

219

¨ gel¨ oscht. Geeignete Operatoren ergeben sich hier aus der Uberlegung, dass Kanten haupts¨ achlich durch ihre großen Ableitungswerte bzw. Differenzen auffallen. Aus dem Differenzenoperator ergibt sich unmittelbar der SobelFilter ⎡ ⎤ 000 1⎣ −1 0 1 ⎦ 2 000 bzw. aus der Differenz zweiter Ordnung der Laplace-Filter ⎤ ⎡ 0 −1 0 1 ⎣ −1 4 −1 ⎦ . 16 0 −1 0 Anmerkung 56 (Audiodesign und mp3). Nat¨ urlich spielen auch in der digitalen Musikbearbeitung Filter ein große Rolle. Ein Audiosignal ist zun¨achst nichts anderes als eine einfache Funktion oder Kurve. Um diese Funktion zu digitalisieren, muss man sich zun¨ achst f¨ ur eine Abtastrate entscheiden, also das kleinste Zeitintervall, in dem man die Funktionswerte – stellvertretend f¨ ur die ganze Funktion – speichert. Meist wird f¨ ur dieses Sampling eine Abtastrate von 44100 Hz gew¨ ahlt, da das menschliche Ohr nur T¨one zwischen 16 Hz und 20 kHz wahrnehmen kann (vgl. die Nyquist-Frequenz). Diese Messwerte sind aber nun wieder reelle Zahlen, die zur Speicherung in spezielle endliche Maschinenzahlen verwandelt werden m¨ ussen. Je nach Anzahl der verwendeten Bit spricht man hier von 8 oder 16 Bit Quantisierung. Diese lange Kette von gerundeten Messwerten repr¨ asentiert dann das Audiosignal. Beim Abspielen wird aus der zugeordneten Treppenfunktion durch Interpolation wieder eine glatte Kurve erzeugt, die dann ausgegeben wird. Bei dieser Vorgehensweise werden nat¨ urlich hochfrequente Fehler in Kauf genommen, die aber als Rauschen vom menschlichen Ohr nicht mehr wahrgenommen werden.

Abb. 19.4. Digitalisierung eines Audiosignals mit 3 Bit Quantisierung.

Durch den Prozess der Digitalisierung entsteht nat¨ urlich eine riesige Datenmenge; weiterhin ben¨ otigt die Aufnahme einer Beethoven-Symphonie den-

220

19 Anwendungen

selben Speicherplatz wie ein gleich langes ger¨auschloses Audiosignal. Daher wurden speichereffizientere Audioformate entwickelt. Dabei wird die Funktion st¨ uckweise in den Frequenzraum transformiert durch Anwendung der FFT. In dieser Form lassen sich nun viele Daten ohne Verlust einsparen. So sind Frequenzanteile mit einer Amplitude (Lautst¨arke) unterhalb der frequenzabh¨ angigen H¨ orschwelle vom menschlichen Ohr nicht mehr wahrnehmbar und k¨ onnen gel¨ oscht werden. Auch tritt beim H¨oren oft ein Verdeckungseffekt auf: Ein starker Ton verdeckt benachbarte leisere Frequenzanteile, die kurz nach und auch schon kurz vor dem lauten Ton auftreten. Auch diese leisen Frequenzanteile k¨ onnen ersatzlos eliminiert werden. Insgesamt erlaubt die Ausnutzung dieser Erkenntnisse der Psychoakustik eine wesentliche Reduktion der Datenmenge. Dies erm¨ oglicht den schnellen Austausch von Audiodateien via Internet mit den bekannten rechtlichen und wirtschaftlichen Auswirkungen auf die Musikindustrie.

Abb. 19.5. H¨ orschwelle des menschlichen Ohrs.

19.5 Wavelets Ausgehend von der eben beschriebenen Filtertechnik wollen wir die Analyse gegebener Daten durch Wavelets2 beschreiben. Weiterhin wollen wir im Fol2

wavelet = franz. kleine Welle

19.5 Wavelets

221

genden die enge Verbindung aufzeigen, die zwischen Wavelets, B-Splines und der diskreten Fourier-Tranformation besteht. Wir beschr¨ anken uns der Einfachheit halber auf eindimensionale Filter, die auf einen Vektor v = (v0 , . . . , vn−1 ) der L¨ ange n angewandt werden. Als Maske betrachten wir zun¨ achst 1 [1 2 1], 4 Dies entspricht der Operation vj =

vj−1 + 2vj + vj+1 , 4

f¨ ur j = 0, . . . , n − 1,

wobei wir f¨ ur die Randwerte z.B. v−1 = vn = 0 annehmen. Diese Transformation des Vektors v entspricht der Matrixmultiplikation ⎞ ⎛ 2 1 ⎟ ⎜1 2 1 ⎟ 1⎜ ⎜ .. .. .. ⎟ v −→ ⎟ · v. ⎜ . . . ⎟ 4⎜ ⎝ 1 2 1⎠ 1 2 Einen solchen gl¨ attenden Tiefpassfilter bezeichnen wir auch als Mittelwertfilter. Entsprechend geh¨ ort zur Maske 1 [−1 2 − 1] 4 die Operation vj =

−vj−1 + 2vj − vj+1 , 4

j = 0, . . . , n − 1,

und die Matrixmultiplikation ⎞ 2 −1 ⎟ ⎜ −1 2 −1 ⎟ 1⎜ ⎟ ⎜ . . . .. .. .. v −→ ⎟·v . ⎜ ⎟ 4⎜ ⎝ −1 2 −1 ⎠ −1 2 ⎛

Einen solchen Hochpassfilter bezeichnet man auch als Differenzfilter. Die Anwendung beider Filter w¨ urde nun zu einer Verdoppelung der Datenmenge und zu Redundanz f¨ uhren. Daher wenden wir diese Filter nun nicht auf jede Komponente von v an, sondern nur auf jede zweite Komponente. Dies entspricht damit der Matrixmultiplikation

222

19 Anwendungen

⎛

1 2 1 ⎜ 1 2 1 ⎜ ⎜   .. . 1⎜ vt ⎜ = ⎜ vh 4 ⎜ −1 2 −1 ⎜ −1 2 −1 ⎝ .. .

⎞ ⎟ ⎟ .. ⎟ .⎟ ⎟v ⎟ ⎟ ⎟ ⎠ .. .

oder indem man die Komponenten von vt und vh , bzw. die Zeilen der Matrix umsortiert ⎞ ⎛ 12 1 ⎟ ⎜ −1 2 −1 ⎟ ⎜ ⎟ ⎜ .. ⎟ ⎜ . 1 2 1 ⎟ ⎜ ⎟ ⎜ . . ⎟ ⎜ . 1⎜ −1 2 −1 ⎟ v. ⎟ ⎜ .. 4⎜ ⎟ . 1 ⎟ ⎜ ⎟ ⎜ . . . −1 ⎟ ⎜ ⎟ ⎜ ⎝ 1 2⎠ −1 2 Durch diese Operation wird der urspr¨ ungliche Vektor transformiert in einen neuen Vektor derselben L¨ ange, der sich aber aus dem tiefpassgefilterten Mittelwertanteil vt und dem hochpassgefilterten Differenzanteil vh zusammensetzt. In dieser neuen Darstellung enth¨ alt der Differenzanteil vh Informationen dar¨ uber, wie sich das beobachtete Signal v in der entsprechenden Gr¨ oßenordnung oder Skalierung ver¨ andert; dies entspricht in etwa der Information, die man auch aus einem Fourier-Koeffizienten der dazugeh¨origen Skalierung erh¨ alt. Außerdem ist bei glatten Daten zu erwarten, dass der Differenzanteil gr¨ oßenordnungsm¨ aßig viel kleiner sein wird als die Komponenten von vt ; daher lassen sich Eintr¨ age in vh weit eher ohne gr¨oßeren Verlust durch Null ersetzen, oder zumindest mit geringerer Genauigkeit darstellen. Dieser Effekt kann zu einer verlustbehafteten Komprimierung von v benutzt werden. Auf den errechneten Mittelwertanteil l¨ asst sich dieses Vorgehen ebenso anwenden, und dies erm¨ oglicht – unter der Annahme n = 2p – eine rekursive Umrechnung der Ausgangsdaten nach einem Schema von Abb. 19.6. Die volle Information, die zu Beginn dem Vektor v entsprach, befindet sich am Ende in den p − 1 Differenzanteilen vh der jeweiligen L¨ange 2p−1 bis 20 auf allen Leveln und dem letzten, ganz unten stehenden Mittelwertanteil vt der L¨ ange Eins; dies sind zusammengenommen auch genau n Zahlen. Allerdings eignet sich diese neue Darstellung von v wesentlich besser zur Komprimierung bzw. zur Analyse von v. Die einzelnen Differenzanteile auf den verschiedenen Leveln stellen das Verhalten von v auf verschiedenen Skalen – d.h. in verschiedenen Gr¨ oßenordnungen – dar. Man spricht daher auch von einer Multiskalenanalyse der Daten, die in dem Vektor v vorliegen.

19.5 Wavelets

223

v

vt

vh

vt

vh

... vt

vh

Abb. 19.6. Rekursive Aufspaltung in Mittelwert- und Differenzanteil.

Außerdem sind die Gesamtkosten f¨ ur diese wiederholte Matrixmultiplikation p  konst · 2j−p = O(2p ) = O(n). j=0

Das Verfahren ist also noch dazu wesentlich schneller als die FFT mit O(n log(n)), bietet aber a oglichkeiten. ¨hnliche Analysem¨ Die algorithmischen Unterschiede zur FFT sieht man am besten an den einfachsten Masken (1/2)[1 1] und (1/2)[1 − 1], die zum Haar-Wavelet, beschrieben durch die Matrix ⎞ ⎛ 1 1 ⎟ ⎜ 1 −1 ⎟ ⎜ ⎟ ⎜ 1 1 ⎟ ⎜ ⎟ ⎜ 1 1 −1 ⎟, H= ⎜ ⎟ ⎜ ··· 2⎜ ⎟ ⎟ ⎜ ··· ⎟ ⎜ ⎝ 1 1 ⎠ 1 −1 geh¨ oren. Im Folgenden wollen wir uns daher auf die Untersuchung dieser Transformation beschr¨ anken. ¨ Ubung 88. Bestimmen Sie die Umkehrabbildung der durch die Matrix H beschriebenen Transformation. Die rekursive Anwendung dieser Mittelwert- und Differenzfilter entspricht dem Butterfly aus Abb. 19.7. Der Datenfluss kann f¨ ur n = 8 – a¨hnlich wie bei der FFT in Abb. 18.3 – in Abb. 19.8 dargestellt werden. Im Unterschied zur FFT fehlt eine Sortierphase, der Butterfly ist einfacher und von der Position unabh¨ angig und in jedem Schritt wird nur die H¨alfte der

224

19 Anwendungen

u

(u+v)/2

v

(u−v)/2

Abb. 19.7. Butterfly f¨ ur das Haar-Wavelet.

Komponenten weiter bearbeitet, die dem letzten Mittelwertanteil entspricht. Dadurch ergibt sich auch die O(n)-Gesamt-Komplexit¨at des Verfahrens. Der letzte Mittelwertanteil in der rechten Spalte in Abb. 19.8 entspricht dem Gesamtmittelwert der Komponenten von v. v0

(v +v1)/2

v1

(v0 −v1 )/2

v2

(v2 +v3)/2

v3

(v2 −v3 )/2

v4

(v4 +v5)/2

v5

(v4 −v5 )/2

v6

(v6 +v7)/2

v7

(v6 −v7)/2

0

(v0 +v2)/2

(v0 +v4)/2

(v0 −v2 )/2

(v4 +v6)/2

(v0 −v4 )/2

(v4 −v6 )/2

Abb. 19.8. Datenfluss bei der Haar-Wavelet-Transformation f¨ ur n = 8.

¨ Ubung 89. Man u ¨ berlege sich, wie aus den Daten, die aus der rekursiven Anwendung der Haar-Transformation resultieren, der urspr¨ ungliche Vektor wieder rekonstruiert werden kann. Im Folgenden wollen wir dieses Filterverfahren auf Funktionen anwenden und damit die Verbindung zu eigentlichen Wavelets herstellen. Ausgangspunkt ist die Suche nach passenden Ansatzfunktionen, um eine Funktion f (x) darzustellen. Die Rolle des Vektors v wird dabei von Koeffizienten fk in einer passenden Darstellung von f (x) u ¨ bernommen.

19.5 Wavelets

225

Als St¨ utzstellen w¨ ahlen wir die ganzen Zahlen und definieren dazu den st¨ uckweise konstanten B-Spline Φ(x), der zwischen Null und Eins den Wert Eins annimmt und an allen anderen Stellen den Wert Null (vgl. Kapitel 14.5), die sog. Boxfunktion. Aus dieser Skalierungsfunktion Φ(x) erhalten wir eine ganze Familie von Ansatzfunktionen, indem wir zu den anderen St¨ utzstellen die verschobenen B-Splines dazu nehmen, also alle Funktionen Φ(x − k), k = −∞, . . . , −1, 0, 1, . . . ∞. Mit diesen B-Splines k¨onnen wir alle st¨ uckweise konstanten Funktionen darstellen, die auf den Intervallen [k, k + 1[ konstant sind, und zwar durch f (x) =

∞ 

fk Φ(x − k) .

(19.6)

k=−∞

Dies sind genau die Treppenfunktionen mit den ganzen Zahlen als Sprungstellen. Nat¨ urlich ist diese Familie von Ansatzfunktionen noch viel zu grob, um eine beliebige gegebene Funktion mit ausreichender Genauigkeit darzustellen. Wir k¨ onnen aber Funktionen mit einer besseren Aufl¨osung leicht gewinnen, indem wir die Skalierungsfunktion Φ(x) mit dem Faktor 2 umskalieren, und zu den Ansatzfunktionen Φ(2x − k), k ∈ ZZ u ¨ bergehen, die aus der Funktion Φ(2x) durch Verschiebungen um k hervorgehen. Zwischen den beiden B-Splines Φ(x) und Φ(2x) besteht nun die einfache Beziehung Φ(x) = Φ(2x) + Φ(2x − 1), ¨ die sog. Skalierungsgleichung. Der Ubergang von Φ(x − k) auf die Funktionen Φ(2x − k) wird daher beschrieben durch die – bis auf den Faktor 2 – schon bekannte Filtermaske [ 1 1 ]. Um eine gegebene Darstellung der Funktion f (x) auf einer Skalierung 2x− k umzurechnen auf das Level x − k, ben¨ otigen wir noch die eigentliche Waveletfunktion W (x), die dem Differenzfilter aus dem vorherigen Kapitel entspricht. Hier verwenden wir die Funktion W (x) = Φ(2x) − Φ(2x − 1), zu der Filtermaske [ 1 − 1 ]. Wir gehen nun davon aus, dass f (x) auf einer feinen Skalierung dargestellt ist durch  fk Φ(2x − k). f (x) = k

Aus der Skalierungsgleichung und der Definition der Waveletfunktion folgt nun umgekehrt Φ(2x) = 2Φ(x) + 2W (x) und Φ(2x − 1) = 2Φ(x) − 2W (x) . Daher erhalten wir f¨ ur f (x) die neue Darstellung

226

19 Anwendungen 1

1

1 0

1

0

0.5

Abb. 19.9. Haar-Skalierungsfunktion (=Boxfunktion) und Haar-Waveletfunktion.

f (x) =



f2k Φ(2x − 2k) + f2k+1 Φ(2x − 2k − 1) =

k

2



f2k (Φ(x − k) + W (x − k)) + f2k+1 (Φ(x − k) − W (x − k)) =

k

2

  (f2k + f2k+1 )Φ(x − k) + 2 (f2k − f2k+1 )W (x − k) = t(x) + h(x) . k

k

Durch Anwendung der Filtermatrix 4H, bzw. der Filtermasken 2 · [ 1 1 ] und 2 · [ 1 − 1 ], auf denjenigen Vektor, der aus den Koeffizienten fk der Funktion f gebildet wird, erhalten wir so neue Koeffizienten zu zwei Funktionen t(x) und h(x) auf dem gr¨ oberen Level. Dadurch spalten wir also f (x) wieder auf in einen glatten Mittelwertanteil und einen rauen Differenzanteil. Hier ist also die Aufspaltung der Vektoren nun auch direkt verkn¨ upft mit einer Aufspaltung von Funktionen. w¨ahlen wir nun als Ausgangspunkt eine Funktion f (x) =  Allgemein j f Φ(2 x − k) in einer sehr feinen Diskretisierung. Dann k¨onnen wir gek k nauso die Darstellung dieser Funktion auf dem Level j aufteilen in eine Darstellung auf dem Level j − 1, die aus dem Mittelwertanteil (Tiefpass) und einem Differenzanteil (Hochpass) besteht. Dieses Vorgehen k¨onnen wir rekursiv wiederholen und erhalten so wie in Abb. 19.6 eine Folge von Mittelwert- und Differenzfunktionen. In dieser neuen Form erlauben die gewonnenen Daten nun wieder eine Multiskalenanalyse. Die Funktion befindet sich dadurch in einer neuen, ¨ aquivalenten Form, die weit bessere M¨oglichkeiten zur Analyse oder Komprimierung bietet. Umgekehrt erhalten wir die urspr¨ unglichen Koeffizienten fk von f (x) = t(x) + h(x) aus den Koeffizienten tk und hk von t(x) und h(x) zur¨ uck via  tk Φ(x − k) + hk W (x − k) = f (x) = t(x) + h(x) = k

 k

tk (Φ(2x − 2k) + Φ(2x − 2k − 1)) + hk (Φ(2x − k) + Φ(2x − 2k − 1)) =  k

(tk + hk )Φ(2x − 2k) +

 k

(tk − hk )Φ(2x − 2k − 1) =

19.5 Wavelets

 k

f2k Φ(2x − 2k) +



227

f2k+1 Φ(2x − (2k + 1)),

k

also durch Anwendung des inversen Filters, beschrieben durch die Masken [ 1 1 ] und [ 1 − 1 ]. ¨ Ubung 90. Der in Abb. 19.7 beschriebene Butterfly des Haar-Wavelets soll so berechnet werden, dass kein zus¨ atzlicher Speicherplatz ben¨otigt wird (inplace-Berechnung)! Die Wavelet-Transformation bietet also gegen¨ uber den Fourier-Methoden einige wesentliche Vorteile: – die Kosten beschr¨ anken sich auf O(n), – wegen des lokalen Charakters der Ansatzfunktionen (hier B-Splines) eignen sich Wavelets auch sehr gut zur Darstellung von Funktionen mit Unstetigkeitsstellen, – wie B-Splines lassen sich zu vorgegebenem k Wavelet-Funktionen definieren, die k-mal stetig differenzierbar sind, – auf jedem Level verf¨ ugt man u ¨ ber eine evtl. gr¨obere Darstellung der Ausgangsdaten. Insgesamt k¨onnen wir feststellen, dass Wavelets die Vorteile der trigonometrischen Funktionen und der B-Spline-Funktionen verbinden. Wavelets liefern dar¨ uber hinaus einen einheitlichen mathematischen Formalismus zur Erzeugung von Filteroperatoren mit vorgegebenen Eigenschaften. In der Bildkompression hat der in Kapitel 19.3.2 beschriebene JPEGStandard vor allem Schwierigkeiten mit scharfen Kanten, wie sie z.B. bei Fingerabdr¨ ucken oder in geometrischen Abbildungen auftreten. Daher hat man sich bei JPEG2000 f¨ ur die Verwendung von Wavelets entschieden.

20 Aufgaben

Do not worry about your problems with mathematics, I assure you ” mine are far greater.“ A. Einstein

¨ Ubung 91. Bilden Sie f¨ ur n = 30 alle Faktorzerlegungen und geben Sie alle FFT-Varianten an, die zu den Zerlegungen geh¨oren. ¨ ur wj ∈ iIR Ubung 92. F¨ ur c = DF T (w) und wj ∈ IR gilt: cn−k = c¯k . F¨ gilt: cn−k = −¯ ck . Wie k¨ onnen Sie die Fourier-Koeffizienten ck zu wj = gj + ihj aus den Koeffizienten von gj und hj berechnen? Wie vereinfacht sich die Rechnung, falls gj und hj selbst reell sind? ¨ Ubung 93 (Sortierphase). F¨ ur einen Vektor c0 , · · · , c15 ) der L¨ange 16 beschreibe man die Umsortierung, die als Ergebnis der Sortierphase der FFT zustande kommt. ¨ Ubung 94. Zeigen Sie f¨ ur j, k ∈ IN:  π cos(jx) cos(kx)dx = 0 f¨ ur j = k −π  π sin(jx) sin(kx)dx = 0 f¨ ur j = k −π  π cos(jx) sin(kx)dx = 0 f¨ ur alle j und k −π

¨ Ubung 95. Sei f eine st¨ uckweise stetige periodische Funktion mit FourierReihe ∞ a0  + (ak cos(kx) + bk sin(kx)). f (x) = 2 k=1

Zeigen Sie, dass die Fourier-Koeffizienten gegeben sind durch   1 π 1 π f (x) cos(kx)dx und bk = f (x) sin(kx)dx ak = π −π π −π

230

20 Aufgaben

¨ Ubung 96. Zeigen Sie, dass f¨ ur eine st¨ uckweise stetige periodische Funktion ¨ wie in Ubung 95 fn (x) − f (x)2 minimal ist u ¨ ber alle trigonometrischen Polynome vom Grade n. fn (x) ist das trigonometrische Polynom mit den Fourier-Koeffizienten von f (Anhang D). ¨ Ubung 97. Wir betrachten die S¨ agezahnfunktion  x f¨ ur −π < x < π f (x) = 0 f¨ ur x = ±π Bestimmen Sie die Fourier-Koeffizienten ak und bk und fertigen Sie einen Graph der Funktion fn (x) an im Intervall [−3π, 3π]. F¨ ur dasselbe n unterteilen wir dieses Intervall ¨ aquidistant, und wenden auf den Vektor (f (xk ))n−1 k=0 die Haar-Wavelet-Transformation an. Die entsprechende Funktionsapproximation ist die st¨ uckweise konstante Treppenfunktion zu den Werten f (xk ). Vergleichen Sie die Gr¨ oße der Fourier- und der Waveletkoeffizienten. ¨ Ubung 98. Sei n = 3m, also durch drei teilbar. Beschreiben Sie, wie wj =

n−1 

ck e2πijk/n ,

j = 0, 1, . . . , n − 1

k=0

in drei Summen der L¨ ange m aufgespalten werden kann. Wie kann mit dieser Aufspaltung die Berechnung der IDFT eines Vektors der L¨ange n auf die Berechnung von mehreren IDFT’s k¨ urzerer Vektoren zur¨ uckgef¨ uhrt werden? ¨ Ubung 99. Zur n × n Matrix A ist die 2D-DFT beschrieben durch bjk =

n−1  n−1 

ast e−2πijs/n e−2πikt/n .

s=0 t=0

Zeigen Sie, dass mit der Fourier-Matrix F = (ω jk )n−1 j,k=0 die 2D-FourierTransformation von A gegeben ist durch B = F AF .

Teil VI

Iterative Verfahren

21 Fixpunktgleichungen

”

To Infinity and Beyond“ Buzz Lightyear aus Toy Story“ ”

In vielen F¨ allen l¨ asst dich die L¨ osung eines Problems nicht direkt berechnen, sondern nur iterativ approximieren. Dabei wird mittels einer geeigneten Iterationsvorschrift eine Folge konstruiert, deren Grenzwert gerade die gesuchte L¨ osung ist. Wir stehen hier also vor dem Problem, geeignete Folgen zu definieren, und m¨ ussen dann deren Konvergenzverhalten analysieren.

21.1 Problemstellung Unter einer allgemeinen Iteration verstehen wir ein Verfahren der Form x0 ∈ IR Startwert, xk+1 = Φ(xk ) ∈ IR, k = 0, 1, . . . mit einer Iterationsfunktion Φ(x). Falls die so definierte Folge der xk konvergiert, also xk → x¯ oder xk − x ¯ → 0 f¨ ur k → ∞, so folgt f¨ ur eine stetige Funktion Φ sofort, daß x¯ = Φ(¯ x) gilt. Wir nennen ein x ¯ mit dieser Eigenschaft einen Fixpunkt von Φ. Beispiel 36. Sei Φ(x) = x2 . Damit gilt also xk+1 = x2k , und durch Induktion k offensichtlich xk = x2k−1 = x4k−2 = . . . = x20 . Das Konvergenzverhalten dieser Folge h¨ angt nun ausschließlich vom Startwert x0 ab: x0 = 0 =⇒ xk = 0, k = 1, 2, . . . , x¯1 = 0 x0 = ±1 =⇒ xk = 1, k = 1, 2, . . . , x¯2 = 1, k

0 < |x0 | < 1 =⇒ xk = x20 → 0 = x ¯1 , k

|x0 | > 1 =⇒ xk = x20 → ∞. Die Folge konvergiert also f¨ ur fast alle Startwerte entweder gegen den Fixpunkt x ¯1 = 0, oder gegen ∞ (in gewisser Weise auch ein Fixpunkt wegen

234

21 Fixpunktgleichungen

∞ = ∞2 ); allerdings ist offensichtlich x ¯2 = 1 ebenfalls ein Fixpunkt, aber keine der erzeugten Folgen konvergiert gegen 1, es sei denn, der Startwert x0 ist schon exakt gleich ±1. Wir sprechen dann von einem abstoßenden Fixpunkt. Die Folgen in diesem Beispiel sind stets monoton fallend (xk+1 ≤ xk f¨ ur k > 0) oder monoton wachsend (xk+1 ≥ xk f¨ ur k > 0). Beispiel 37 (Grippeausbreitung im Kindergarten). Wir bezeichnen mit ti eine diskrete Folge von Zeitpunkten, z.B. im Abstand eines Tages, mit ki die relative Anzahl von zum Zeitpunkt ti erkrankten Kindern, und mit α > 1 die Infektionsrate. Es werden nun um so mehr neue Kinder erkranken, je mehr gesunde und je mehr kranke Kinder es gibt; denn eine Virus¨ ubertragung kann nur bei einer Begegnung zwischen einem gesunden und einem kranken Kind stattfinden. Weiterhin gehen wir vereinfachend davon aus, dass nach einem Zeitschritt die kranken Kinder wieder gesund sind, aber sich im Folgenden wieder neu anstecken k¨ onnen. Daher ist die Anzahl ki+1 der zum Zeitpunkt ti+1 Erkrankten direkt proportional der Anzahl Gesunder und der Anzahl Kranker zum Zeitpunkt ti . Damit erhalten wir folgende Modellbeziehung f¨ ur die Ausbreitung der Krankheit: ki+1 = αki (1 − ki ). Die dazugeh¨ orige Iterationsfunktion Φ(x) = αx(1 − x) mit α > 1 ist eine konkave Parabel, die logistische Parabel mit dem relativen Maximum bei x = 0.5, Φ(0.5) = 0.25α; die Nullstellen von Φ liegen bei Null und Eins. Der Fixpunkt von Φ ist gegeben durch x ¯ = Φ(¯ x) = α¯ x(1 − x ¯) ⇒ x ¯=

α−1 . α

Speziell f¨ ur α = 1.5 wird x¯ = 1/3, und ein Startwert k0 = 0.1 f¨ uhrt zu Abb. 21.2, die die gegen 1/3 konvergierende Folge zeigt. Ein Fixpunkt x¯ ist also geometrisch nichts anderes als der Schnittpunkt der Geraden g(x) = x mit der Iterationsfunktion Φ(x) (Abb. 21.1).

21.2 Banach’scher Fixpunktsatz An Beispiel 36 haben wir gesehen, dass die erzeugte Folge manchmal konvergiert, manchmal divergiert und manche Fixpunkte abstoßend sind. Daher m¨ ussen wir kl¨ aren, welche Eigenschaften Φ, der Startwert x0 und der Fixpunkt x ¯ haben m¨ ussen, damit Konvergenz vorliegt: Theorem 5 (Banach’scher Fixpunktsatz). Sei I ein abgeschlossenes Intervall, so dass x0 ∈ I gilt, und Φ das Intervall in sich abbildet, also x ∈ I ⇒ Φ(x) ∈ I. Ist weiterhin Φ in I eine kontrahierende Abbildung, d.h. es gibt eine Konstante 0 < L < 1, so dass stets

21.2 Banach’scher Fixpunktsatz y 0.5

x

Fixpunkt α x(1−x)

0

0.5

x

Abb. 21.1. Fixpunkt als Schnittpunkt der Funktionen Φ(x) und x.

y

α x(1−x)

x3 x2 x1

x0

x1

x2

Abb. 21.2. Ausbreitung des Grippevirus.

x

235

236

21 Fixpunktgleichungen

|Φ(x) − Φ(y)| ≤ L|x − y| f¨ ur x, y ∈ I gilt, dann konvergiert die Folge xk gegen den eindeutigen Fixpunkt x ¯ von Φ in I. Beweis. Da Φ kontrahierend in I ist und alle Iterierten in I liegen, gilt |xk+1 − xk | = |Φ(xk ) − Φ(xk−1 )| ≤ L|xk − xk−1 | ≤ L(L|xk−1 − xk−2 |) ≤ . . . ≤ Lk |x1 − x0 |. Damit ergibt sich f¨ ur den Abstand zweier Iterierten xm und xk f¨ ur m > k: |xm − xk | = |(xm − xm−1 ) + (xm−1 − xm−2 ) + . . . + (xk+1 − xk )| ≤ |xm − xm−1 | + |xm−1 − xm−2 | + . . . + |xk+1 − xk )| ≤ (Lm−1 + . . . + Lk )|x1 − x0 | ∞  Lk |x1 − x0 |. Lj |x1 − x0 | = ≤ 1−L j=k

Daher wird dieser Abstand zwischen zwei Zahlen xm und xk beliebig klein, wenn nur m und k gen¨ ugend groß sind; eine Folge mit einer solchen Eigenschaft heißt Cauchy-Folge. Eine Cauchy-Folge in einer abgeschlossenen Menge ist konvergent, d.h. es existiert ein x aus der Menge, dem sich die Iterierten immer mehr ann¨ ahern. Daher gibt es eine Zahl x ¯ ∈ I mit xk → x¯. Dieses x ¯ ist der gesuchte Fixpunkt in I, da 0 ≤ |¯ x − Φ(¯ x)| ≤ |¯ x − xk | + |xk − Φ(¯ x)| k→∞

x)| ≤ |¯ x − xk | + L|xk−1 − x ¯| −→ 0 . ≤ |¯ x − xk | + |Φ(xk−1 ) − Φ(¯ Dieser Fixpunkt ist eindeutig; nehmen wir n¨amlich an, wir h¨atten zwei verschiedene Fixpunkte x¯ und xˆ in I, so gilt |¯ x−x ˆ| = |Φ(¯ x) − Φ(ˆ x)| ≤ L|¯ x−x ˆ| < |¯ x−x ˆ|,  

was nicht m¨ oglich ist. F¨ ur die zu Φ geh¨ orige Folge gilt also ¯| = |Φ(xk ) − Φ(¯ x)| ≤ L|xk − x¯| |xk+1 − x

mit 0 < L < 1. Man spricht hier von linearem Konvergenzverhalten. Gen¨ ugend nahe bei x ¯ kann f¨ ur eine stetig differenzierbare Funktion Φ dann L ≈ |Φ (¯ x)| gesetzt werden. Denn aus dem Mittelwertsatz (Anhang A.1) Φ(y) = Φ(x) + Φ (z)(y − x) mit einer zwischen x und y gelegenen Zahl z folgt

21.2 Banach’scher Fixpunktsatz

237

|Φ(y) − Φ(x)| ≤ max |Φ (z)| · |y − x|. z∈I

x)| < 1, so nennt man den Fixpunkt x¯ einen anziehenden Ist nun |Φ (¯ Fixpunkt von Φ; denn es gibt dann ein kleines Intervall I um x ¯, so dass Φ die Voraussetzungen des Banach’schen Fixpunktsatzes erf¨ ullt. Theorem 6. Sei x ¯ ein anziehender Fixpunkt der stetig differenzierbaren Funktion Φ(x). Dann kann man ein Intervall I mit x ¯ ∈ I angeben, so dass f¨ ur jeden Startwert x0 ∈ I die Folge xk gegen x ¯ konvergiert. Beweis. Setze I := [¯ x −h, x ¯ +h]; f¨ ur h gen¨ ugend klein gilt L := maxz∈I |Φ (z)| < 1, da sich sonst ein Widerspruch zur Stetigkeit von Φ (x) ergeben w¨ urde. F¨ ur ein x ∈ I folgt weiterhin |Φ(x) − x¯| = |Φ(x) − Φ(¯ x)| ≤ L|x − x ¯| < h, und es gilt: Φ(x) ∈ I. Daher sind die Voraussetzung von Theorem 5 erf¨ ullt und xk konvergiert gegen x ¯.   Gilt |Φ(x)| > 1, so ist Φ lokal bei x ¯ nicht kontrahierend, und keine Folge mit Startwert x0 = x ¯ wird gegen den Fixpunkt x ¯ konvergieren; wir haben dann also einen abstoßenden Fixpunkt wie x¯2 = 1 im Beispiel 36: Beispiel 38 (Fortsetzung von Beispiel 36). Wir k¨onnen als Intervall I = [0, 0.4] w¨ ahlen. Dann gilt auf diesem Intervall mit L = 0.8 |Φ(y) − Φ(x)| = |y 2 − x2 | = (x + y)|y − x| ≤ 0.8|y − x|. Weiterhin ist die Ableitung in den Fixpunkten Φ (0) = 0 < 1 und Φ (1) = ¯2 = 1 ein abstoßender. 2 > 1; daher ist x ¯1 = 0 ein anziehender Fixpunkt und x Beispiel 39 (Fortsetzung von Beispiel 37). F¨ ur die Ableitung im Fixpunkt gilt:   2α − 2 Φ (¯ = 2 − α. x) = α(1 − 2¯ x) = α 1 − α Nur solange also α ∈]1, 3[ ist, wird die Folge gegen den Fixpunkt konvergieren. Wir k¨ onnen dabei noch die F¨ alle α ∈]1, 2[ und α ∈]2, 3[ unterscheiden. Im ersten Fall erhalten wir eine monoton wachsende oder fallende, konvergente Folge (Abb. 24.1). Im zweiten Fall ergibt sich eine alternierende, konvergente Folge mit Φ (¯ x) < 0 (Abb. 24.2).

22 Newton-Verfahren zur Nullstellenbestimmung

Nimmt man die Mathematik vom Anfang der Welt bis zur Zeit New” tons, so ist das, was er geschaffen hat, die weitaus bessere H¨alfte.“ Gottfried Willhelm Leibniz

22.1 Beschreibung des Newton-Verfahrens Gesucht ist eine Nullstelle x ¯ einer Funktion f (x) : IR → IR, es soll also gelten f (¯ x) = 0. Man bezeichnet dann x ¯ als L¨osung einer durch f gegebenen nichtlinearen Gleichung (vgl. dazu eine lineare Gleichung Ax − b = 0 aus Kapitel 9). Bisher haben wir uns mit Iterationsverfahren besch¨aftigt, die einen Fixpunkt einer Funktion bestimmen. Wir versuchen daher nun, das Nullstellenproblem in eine Fixpunktaufgabe umzuformulieren. Dazu verwenden wir die Taylor-Entwicklung von f in der letzten Iterierten xk : x − xk ) + O((¯ x − xk )2 ). 0 = f (¯ x) = f (xk ) + f (xk )(¯ Dabei setzen wir voraus, dass f gen¨ ugend oft stetig differenzierbar ist. Um nun ein Iterationsverfahren zu erhalten, ignorieren wir in obiger Gleichung den quadratischen Term, und benutzen die entstehende lineare Gleichung zur Bestimmung der n¨ achsten Iterierten, indem wir x ¯ durch xk+1 ersetzen. Aufl¨ osen nach xk+1 liefert dann das Newton-Verfahren zur Bestimmung einer Nullstelle von f : xk+1 = xk −

f (xk ) , f (xk )

falls f (xk ) = 0.

Die dazugeh¨ orige Iterationsfunktion ist also Φ(x) = x −

f (x) , f (x)

und die Nullstelle x¯ von f ist offensichtlich auch ein Fixpunkt von Φ, solange f (¯ x) = 0 gilt.

240

22 Newton-Verfahren zur Nullstellenbestimmung

In Kapitel 21 hatten wir gesehen, dass der Wert der Ableitung von Φ im Fixpunkt ausschlaggebend daf¨ ur ist, ob der Fixpunkt anziehend oder abstoßend ist. In dem vorliegenden Fall gilt Φ (x) = 1 −

f (x)2 − f (x)f (x) f (x)f (x) = . f 2 (x) f 2 (x)

x) = 0 Unter der Annahme, dass x ¯ eine einfache Nullstelle von f ist, f (¯ gilt, ergibt sich daher im Fixpunkt x) = 0. Φ (¯ Daher ist Φ gen¨ ugend nahe bei x¯ stets kontrahierend, und das NewtonVerfahren konvergiert stets gegen x ¯, wenn wir den Startwert x0 nur nahe genug bei x ¯ w¨ ahlen. Theorem 7. Die Folge xk ist lokal quadratisch konvergent gegen die Nullstelle x¯, wenn x¯ eine einfache Nullstelle von f ist. Beweis. Wir betrachten wieder die Taylor-Entwicklung von f in xk 1 0 = f (¯ x) = f (xk ) + f (xk )(¯ x − xk ) + f (z)(¯ x − xk )2 2 mit einer Zwischenstelle z. Aus dieser Gleichung erhalten wir durch Umformung 1 f (z) f (xk ) =− (¯ x − xk )2 x ¯ − xk + f (xk ) 2 f (xk ) und daher f¨ ur die Betr¨ age    f (z)   · |¯  x − xk |2 = C(xk , x |¯ x − xk+1 | =  ¯)|¯ x − xk |2 . 2f (xk )  Ist f (¯ x) = 0, so k¨ onnen wir in einer Umgebung von x¯ den Wert von C durch eine Konstante L nach oben beschr¨ anken, und es gilt f¨ ur den Abstand der N¨ aherungsl¨ osung zur echten Nullstelle die Ungleichung |¯ x − xk+1 | ≤ L|¯ x − xk |2 . Die Folge xk ist daher quadratisch konvergent gegen x ¯, wenn wir nur gen¨ ugend nahe an der gesuchten Stelle sind.   Aus Theorem 7 resultiert im Falle der Konvergenz ein sehr schnelles Verfahren. Als Voraussetzungen f¨ ur die quadratische Konvergenz ben¨otigen wir, dass x) = 0 gilt, also x¯ nur eine einfache Nullstelle von f ist; dies kann man – f (¯ auch so formulieren, dass f (x) = (¯ x − x)g(x) mit g(¯ x) = 0; und

22.2 Weitere Methoden zur Nullstellenbestimmung

241

– der Startwert gen¨ ugend nahe bei x ¯ liegt. Das Newton-Verfahren zur Berechnung einer einfachen Nullstelle ist also lokal quadratisch konvergent. Ausgehend von einem Startwert x0 iterieren wir ¨ so lange, bis die xk sich nicht mehr a ¨ndern, oder die relative Anderung |xk − xk+1 |/|xk+1 | gen¨ ugend klein ist. Ist x ¯ eine mehrfache Nullstelle, so konvergiert das Newton-Verfahren lokal nur noch linear, d.h. es gibt eine Konstante L < 1 mit x − xk |. |¯ x − xk+1 | ≤ L|¯ Dazu nehmen wir an, dass x¯ eine m-fache Nullstelle von f ist und daher gilt: f (x) = (x − x ¯)m g(x) mit g(¯ x) = 0. Damit folgt f¨ ur unsere Iterationsfunktion (x − x¯)m g(x) Φ(x) = x − m−1 m(x − x ¯) g(x) + (x − x ¯)m g (x) und daher

1 < 1. m Dann ist x ¯ ein anziehender Fixpunkt und wir haben lineare Konvergenz im Sinne des Banach’schen Fixpunktsatzes. Geometrisch gesehen besteht das Newton-Verfahren darin, die Funktion f (x) lokal an der Stelle xk linear durch eine Gerade zu ersetzen – gerade die Tangente an f bei xk , und die Nullstelle dieser Geraden als xk+1 zu w¨ahlen. Denn die Tangentengerade ist bestimmt durch die Beziehung Φ (¯ x) = 1 −

g(x) = f (xk ) + f (xk )(x − xk ), und es ist g(xk+1 ) = 0 (Abb. 22.1). Die Nachteile des Newton-Verfahrens bestehen darin, dass wir Ableitungen ben¨ otigen und dass die Konvergenz nur f¨ ur einen guten“ Startwert x0 ” garantiert ist. Liegt zum Beispiel x0 nahe bei einem lokalen Maximum oder Minimum von f , so ist die Tangente fast waagrecht und x1 kann beliebig weit von x0 entfernt liegen (Abb. 22.2). Ist die Ableitung f (x0 ) sogar Null, so ist ussen die Iteration neu starten. x1 gar nicht definiert, und wir m¨

22.2 Weitere Methoden zur Nullstellenbestimmung 22.2.1 Sekantenverfahren Wir wollen noch zwei andere Algorithmen vorstellen, die in Zusammenhang mit dem Newton-Verfahren stehen. Im ersten Verfahren ersetzen wir die Tangente durch die Sekantengerade, die bestimmt ist durch die beiden letzten N¨ aherungswerte xk−1 und xk . Der Schnittpunkt dieser Geraden mit der xAchse liefert uns dann den neuen Wert xk+1 .

242

22 Newton-Verfahren zur Nullstellenbestimmung y

f(x)

g(x)

Nullstelle

x x1

x0

Tangente

Abb. 22.1. Geometrische Herleitung des Newton-Verfahrens.

Also

y g(x)

f’(x)=0

xk

x

Abb. 22.2. Problem des Newton-Verfahrens an einer Stelle xk mit f  (xk ) ≈ 0.

22.2 Weitere Methoden zur Nullstellenbestimmung

243

y

f(x)

Sekante

Nullstelle

x1

x3

x

x2

Abb. 22.3. Graphische Darstellung des Sekantenverfahrens.

g(x) = f (xk−1 ) + (f (xk ) − f (xk−1 ))

x − xk−1 xk − xk−1

mit der Nullstelle xk+1 = xk−1 −

xk−1 f (xk ) − xk f (xk−1 ) f (xk−1 )(xk − xk−1 ) = . f (xk ) − f (xk−1 ) f (xk ) − f (xk−1 )

Auch hier k¨ onnen wir nur mit lokaler Konvergenz rechnen, aber es werden keine Ableitungen ben¨ otigt, sondern die Werte der beiden letzten Iterierten: denn xk+1 berechnet sich aus den Funktionswerten bei xk und xk−1 . Daraus folgt eine langsamere Konvergenzgeschwindigkeit, aber daf¨ ur sind keine Ableitungen n¨ otig und jeder Iterationsschritt kostet nur eine neue Funktionsauswertung. 22.2.2 Bisektionsverfahren Dieses Verfahren kommt ebenfalls ohne die Berechnung von Ableitungen aus und ist dar¨ uber hinaus stets konvergent (man spricht von globaler Konvergenz). Allerdings ist daf¨ ur die Konvergenzgeschwindigkeit nur noch linear. Wir beginnen mit zwei Startwerten a und b, die eine Nullstelle von f einschließen. Das k¨onnen wir garantieren, wenn f stetig ist, und f (a) und f (b)

244

22 Newton-Verfahren zur Nullstellenbestimmung y c=(a+b)/2

f(x)

f(x)>0 Ersetze a durch c

a

c

Nullstelle

b x f(x)<0

Abb. 22.4. Graphische Darstellung des Bisektionsverfahrens.

verschiedene Vorzeichen haben, also sign(f (a)f (b)) = −1. Nun w¨ahlen wir als c genau die Zwischenstelle c = (a + b)/2 und berechnen f (c). Das Ziel besteht darin, mittels c ein neues, nur noch halb so großes Intervall anzugeben, das garantiert eine Nullstelle von f enth¨alt. Dazu ersetzt man von a und b dasjenige durch c, dessen Funktionswert dasselbe Vorzeichen wie f (c) hat, wodurch automatisch wieder sign(f (a)f (b)) = −1 erf¨ ullt ist (Abb. 22.4). Also Ist sign(f (a)f (c)) = 1: setze a := c Ist sign(f (b)f (c)) = 1: setze b := c. Nach jedem Schritt ist das Einschließungsintervall und damit der Abstand von der L¨ osung x ¯ um einen Faktor 1/2 verkleinert, und wegen der Vorzeichenbedingung enthalten die Intervalle garantiert eine Nullstelle von f . Genauer gilt f¨ ur die Folge der Einschließungsintervalle [ak , bk ]: |¯ x − ak+1 | + |bk+1 − x ¯| = x¯ − ak+1 + bk+1 − x¯ 1 1 x − ak | + |bk − x¯|) . = |bk+1 − ak+1 | = |bk − ak | = (|¯ 2 2 Der mittlere Abstand der Intervallgrenzen von der Nullstelle schrumpft in jedem Schritt um den Faktor 1/2.

22.2 Weitere Methoden zur Nullstellenbestimmung

245

Oft wird Newton- und Bisektionsverfahren kombiniert, um ein global konvergierendes Verfahren zu erhalten, das zus¨ atzlich lokal quadratisch konvergiert. Dazu startet man mit dem Bisektionsverfahren, und schaltet auf das Newton-Verfahren um, sobald man gen¨ ugend nahe an der gesuchten Stelle ist. Die Kombination von Bisektionsverfahren und Sekantenverfahren liefert die Regula falsi, bei der wie bei der Bisektion eine Folge von Einschließungsintervallen erzeugt wird; der neue Kandidat zum Austausch einer Intervallgrenze wird dabei aber als die Nullstelle aus dem Sekantenverfahren gew¨ahlt. Beispiel 40 (Das Newton-Verfahren zur Berechnung der Quadratwurzel, vgl. ¨ Ubungsaufgabe 106). Gesucht ist f¨ ur a > 0 die Quadratwurzel von a, also genau die Nullstelle von f (x) = x2 − a. Daraus folgt die Iterationsvorschrift xk+1 = xk −

x2k − a 1 1 a = xk + 2xk 2 2 xk

Beispiel 41. In Kapitel 16.4 haben wir das Problem kennen gelernt, einer gegebenen Funktion einen einzigen Wert zuzuordnen. Anstelle des mean of ” area“-Kriteriums soll wieder dasjenige x bestimmt werden mit 



x

b

f (t)dt = a

f (t)dt. x

Diese Aufgabe k¨ onnen wir umformulieren als Nullstellenproblem f¨ ur 



x

f (t)dt −

F (x) := a



b

b

f (t)dt − 2

f (t)dt = x



b

a

f (t)dt. x

Das Newton-Verfahren liefert wegen F (x) = 2f (x) die Iterationsvorschrift F (xk ) , xk+1 = xk − 2f (xk ) die lokal quadratisch gegen die L¨ osung x ¯ konvergiert, falls f (¯ x) = 0 gilt. 22.2.3 Newton-Verfahren f¨ ur Polynome F¨ ur das Polynom p(x) = an xn + an−1 xn−1 + . . . + a1 x + a0 soll (zun¨ achst nur) eine Nullstelle gefunden werden. Wir verwenden dazu das Newton-Verfahren p(xk ) xk+1 = Φ(xk ) = xk − p (xk ) mit einem geeigneten Anfangswert x0 .

246

22 Newton-Verfahren zur Nullstellenbestimmung

Betrachten wir nur Polynome mit lauter reellen Nullstellen ξ1 > . . . > ξn , dann konvergiert das Newton-Verfahren f¨ ur alle Startwerte x0 > ξ1 monoton fallend gegen die gr¨ oßte Nullstelle ξ1 . Mittels Polynomdivision kann das Polynom p1 (x) = p(x)/(x−ξ1 ) definiert werden. Dieses hat, bei exakter Rechnung, bis auf ξ1 dieselben Nullstellen wie p(x). Wie oben kann also die Nullstelle ξ2 von p(x) als Nullstelle von p1 (x) bestimmt werden. Durch fortgesetztes Bestimmen der gr¨ oßten Nullstelle und folgendes Abdividieren dieser Nullstelle kann man also der Reihe nach alle Nullstellen von p berechnen. In der Praxis jedoch treten beim Abdividieren der Nullstellen Rundungsfehler auf, die die Berechnung der Nullstellen empfindlich beeintr¨achtigen k¨onnen. Mittels eines auf Maehly zur¨ uckgehenden Tricks l¨asst sich das Abdividieren vermeiden. F¨ ur das Polynom p1 gilt p 1 (x) =

p (x) p(x) − , x − ξ1 (x − ξ1 )2

und damit ergibt sich die Newton’sche Iterationsvorschrift: xk+1 = xk −

p1 (xk ) = xk − p 1 (xk )

p(xk ) xk −ξ1 p (xk ) p(xk ) xk −ξ1 − (xk −ξ1 )2

= xk −

p(xk ) p (xk ) −

p(xk ) xk −ξ1

.

Allgemein erh¨ alt man f¨ ur die Berechnung der Nullstelle ξj+1 die Polynome pj (x) =

p(x) (x − ξ1 ) · · · (x − ξj )

p j (x) =

 1 p(x) p (x) − (x − ξ1 ) · · · (x − ξj ) (x − ξ1 ) · · · (x − ξj ) i=1 x − ξi j

und die Iterationsvorschrift xk+1 = xk −

p(xk ) . j  p(xk ) p (xk ) − x − ξi i=1 k

22.2.4 Newton-Verfahren zur Berechnung eines Minimums Berechnung von Nullstellen im IRn : Das Newton-Verfahren kann dazu verwendet werden, Nullstellen mehrdimensionaler Funktionen zu bestimmen. Betrachten wir die Funktion f : IRn −→ IRn

mit ⎛

⎞ f1 (x1 , . . . , xn ) ⎜ ⎟ .. f (x) = f (x1 , . . . , xn ) = ⎝ ⎠ . fn (x1 , . . . , xn ).

22.2 Weitere Methoden zur Nullstellenbestimmung

247

Die Ableitungen dieser Funktion werden in der Jacobi-Matrix zusammengefasst: ⎛ ∂f1 ∂f1 ⎞ ∂x1 . . . ∂xn ⎜ ⎟ J = ⎝ ... . . . ... ⎠ . ∂fn ∂fn ∂x1 . . . ∂xn Damit l¨ asst sich formal das Newton-Verfahren zur Bestimmung einer Nullstelle x ¯ ∈ IRn schreiben als xk+1 = xk − J −1 f (xk ). Berechnung des Minimums einer Funktion: Zur Bestimmung eines lokalen Extremums einer Funktion f ben¨ otigen wir die Nullstellen der Ableitung f , also Punkte mit waagrechter Tangente. Wie bekannt liegt f¨ ur positive zweite Ableitung ein lokales Minimum vor, und f¨ ur negative zweite Ableitung ein lokales Maximum. Die Iterationsvorschrift zur Berechnung einer Nullstelle der Ableitung lautet f (xk ) . xk+1 = xk − f (xk ) Oft wird unsere zu minimierende Funktion nicht nur von einer Variablen abh¨ angen, sondern von mehreren. Unser Problem ist dann also gegeben durch min F (x1 , x2 , . . . , xn ).

x1 ,...,xn

Ein lokales Minimum ist auf jeden Fall ein Punkt mit waagrechter Tangente, d.h. die Ableitung oder besser gesagt der Gradientenvektor ⎛ ∂F ⎞ ∂x1

⎟ ⎜ ∇F = ⎝ ... ⎠ ∂F ∂xn

muss dort eine Nullstelle haben. Wir sind dabei also auf das Problem gestoßen, f¨ ur eine Vektorfunktion der Form ⎛ ⎞ f1 (x1 , . . . , xn ) ⎜ ⎟ .. ∇F = f (x1 , . . . , xn ) = ⎝ ⎠ . fn (x1 , . . . , xn ) eine Nullstelle zu finden mit x1 , . . . , x ¯n ) = 0, fj (¯

j = 1, . . . , n.

Wir k¨ onnen nun das Newton-Verfahren genauso formulieren und herleiten wie im skalaren Fall. Allerdings wird die Ableitung der aus n Komponenten bestehenden Funktion f (x1 , . . . , xn ) eine Matrix der Form

248

22 Newton-Verfahren zur Nullstellenbestimmung

⎛

∂f1 ∂x1

···

∂f1 ∂xn

∂fn ∂x1

···

∂fn ∂xn

⎜ Df = ⎝ ...

⎞

.. ⎟ = . ⎠



∂F ∂xi ∂xj

n i,j=1

sein, die Hesse-Matrix zur Funktion F (x). Das Newton-Verfahren sieht dann formal so aus: ⎛ ⎞(k+1) ⎛ ⎞(k) ⎛ ⎞(k) x1 x1 f1 ⎜ .. ⎟ ⎜ .. ⎟ −1 ⎜ .. ⎟ = ⎝ . ⎠ − Df ⎝ . ⎠ . ⎝ . ⎠ xn

xn

fn

Dabei bezeichnet der hochgestellte Index den k-ten Iterationsschritt. In jedem Schritt ist also ein lineares Gleichungssystem mit der Matrix Df zu l¨osen. Das ist nur m¨ oglich, solange Df regul¨ ar ist. Um die Kosten zu reduzieren, ersetzt man h¨ aufig die Matrix Df durch eine billiger zu gewinnende N¨aherung B, aber unter der Vorgabe, dass B wichtige Eigenschaften von Df enth¨ alt. Man spricht von Quasi-Newton-Verfahren, bei denen in jedem Iterationsschritt eine verbesserte N¨ aherung B an die Hesse-Matrix Df berechnet wird. Nichtlineare Ausgleichsrechnung: Eine weitere Anwendung des NewtonVerfahrens ergibt sich in der Ausgleichsrechnung. In Verallgemeinerung von Kapitel 10 stehen wir hier vor der Aufgabe: ⎛ 2 ⎞  f1 (x1 , . . . , xn )    ⎜  ⎟ . .. minn ⎝ ⎠ − b . x∈IR    fm (x1 , . . . , xn )  2

Um dieses Problem auf den bekannten linearen Fall zur¨ uckzuf¨ uhren, ersetzen wir f durch den Anfang der Taylor-Entwicklung an der zuletzt berechneten N¨ aherungsl¨ osung. Mit der Jacobi-Matrix J f¨ uhrt dies auf das einfachere Problem

 minx  f (x(k) ) + J · (x − x(k) ) − b22

 = minx Jx − b + Jx(k) − f (x(k) ) 22 . Dieses lineare Ausgleichsproblem kann wie in Kapitel 10 gel¨ost werden und liefert in x(k+1) eine n¨ achste N¨ aherung. Dieses Vorgehen wird in x(k+1) wiederholt, und wir erhalten so eine Folge x(k) , die im g¨ unstigen Fall gegen das gesuchte Minimum konvergiert. Man spricht hier vom Gauß-Newton-Verfahren, da in jedem Schritt eine Linearisierung erfolgt wie bei der Newton-Iteration , und das lineare Teilproblem gerade ein lineares Ausgleichsproblem darstellt.

23 Iterative L¨ osung Linearer Gleichungssysteme

Schon die Mathematik lehrt uns, dass man Nullen nicht ¨ ubersehen ” darf.“ Gabriel Laub

23.1 Station¨ are Methoden F¨ ur große, d¨ unnbesetzte Matrizen wird man oft direkte Verfahren zum L¨osen eines linearen Gleichungssystems Ax = b vermeiden, da in der Regel der Vorteil der D¨ unnbesetztheit im Verlauf der Gauß-Elimination verloren geht. D¨ unnbesetzte Matrizen lassen sich normalerweise mit O(n) Speicherplatz darstellen, und man ist an L¨ osungsverfahren interessiert, die ebenfalls von dieser Gr¨ oßenordnung sind. Hier bieten iterative Verfahren große Vorteile, da sie von den Eingangsdaten des Problems nur ein Programm ben¨otigen, das beschreibt, wie die Matrix mit einem Vektor multipliziert wird. Die Gesamtkosten eines iterativen Gleichungssysteml¨osers ergeben sich unter dieser Voraussetzung als (Anzahl der Iterationen) · O(n); man muss also nur noch“ f¨ ur gen¨ ugend schnelle Konvergenz des Verfahrens ” sorgen. Das einfachste iterative Verfahren ist das Richardson-Verfahren; es resultiert aus folgendem Ansatz: b = Ax = (A − I)x + x

⇐⇒

x = b + (I − A)x.

Dies kann interpretiert werden als Iterationsvorschrift der Form x(k+1) = b + (I − A)x(k) = x(k) + (b − Ax(k) ) = Φ(x(k) ), so dass, ausgehend von einem Startvektor x(0) , eindeutig die Folge x(k) berechnet werden kann; dazu notwendig ist nur ein Unterprogramm zur Berechnung von Ax(k) . Die Iterationsfunktion ist Φ(x) = b + (I − A)x.

250

23 Iterative L¨ osung Linearer Gleichungssysteme

Hier stellt sich die Frage der Konvergenz. Wenn wir die tats¨achliche L¨ osung mit x¯ = A−1 b bezeichnen, ist diese Iterationsfunktion nur sinnvoll, wenn die Iterierten x(k) gegen x ¯ konvergieren. Wir betrachten den Fehler im k + 1-ten Schritt ¯ − x(k) − (b − Ax(k) ) x¯ − x(k+1) = x x − Ax(k) ) = (I − A)(¯ x − x(k) ). =x ¯ − x(k) − (A¯ Daher gilt ¯ x − x(k+1) 2 = (I − A)(¯ x − x(k) )2 ≤ I − A2 ¯ x − x(k) 2 und damit ¯ x − x(k) 2 ≤ I − Ak2 ¯ x − x(0) 2 . Der Fehler geht gegen Null und die Folge x(k) konvergiert gegen die gesuchte L¨ osung, wenn die Norm der Matrix I − A kleiner als Eins ist. Wir k¨ onnen auch Theorem 5 anwenden und m¨ ussen dazu nur pr¨ ufen, ob die Funktion Φ im IRn kontrahierend ist, Φ(x) − Φ(y)2 ≤ I − A2 x − y2 . Das Richardson-Verfahren ist nur sinnvoll, wenn die Ausgangsmatrix na” he an der Einheitsmatrix“ ist. Davon kann man in der Praxis nicht ausgehen. Andererseits ist dieses Verfahren doch der Kern und Ausgangspunkt weit besserer Methoden, die durch nahe liegende Verbesserungen eingef¨ uhrt werden k¨ onnen. Um nahe an der Einheitsmatrix zu sein, sollten zum Beispiel die Diagonalelemente alle Eins sein. Dies l¨ asst sich aber einfach erreichen. Dazu bezeichnen wir mit D = diag(A) die Diagonalmatrix, bestehend aus den Diagonaleintr¨ agen von A, die alle von Null verschieden sein sollen. Damit f¨ uhren wir die Diagonalmatrix D−1 ein, indem wir jedes Diagonalelement −1 A nun als Diadurch d−1 ii ersetzen. Offensichtlich hat die neue Matrix D gonaleintr¨ age nur noch Einsen. Weiterhin k¨ onnen wir das Ausgangssystem aquivalent umformen ¨ Ax = b ⇐⇒ (D−1 A)x = (D−1 b) oder ˜ = ˜b, Ax

mit A˜ = D−1 A,

˜b = D−1 b.

F¨ ur die Matrix A˜ k¨ onnen wir mit besserer Konvergenz im RichardsonVerfahren rechnen, da die Verbesserung in jedem Iterationsschritt von I − D−1 A2 abh¨ angt. Man spricht hier davon, dass das urspr¨ ungliche Problem durch einen Pr¨ akonditionierer – in diesem Fall D – auf eine neue Matrix transformiert wird, bei der wir mit schnellerer Konvergenz rechnen k¨onnen. Die Richardson-Iteration auf A˜ lautet

23.1 Station¨ are Methoden

251

˜ (k) ) = x(k) + D−1 (b − Ax(k) ) x(k+1) = x(k) + (˜b − Ax oder Dx(k+1) = Dx(k) + (b − Ax(k) ) = b + (D − A)x(k) . Dieselbe Iterationsvorschrift l¨ asst sich auch auf eine andere Art und Weise gewinnen. Durch Abspalten der Diagonalelemente von A schreibt man das urspr¨ ungliche Problem Ax = b in der Form b = Ax = (D + A − D)x = Dx + (A − D)x, Dx = b + (D − A)x,

oder

und benutzt diese Schreibweise als Ausgangspunkt eines iterativen Verfahrens. In dieser Formulierung spricht man vom Jacobi-Verfahren zur iterativen L¨ osung eines linearen Gleichungssystems. Ein Iterationsschritt wird beschrieben durch folgendes Programm: FOR i = 1, ..., n: xneu[i] = b[i]; FOR j = 1, ..., i-1, i+1, ..., n: xneu[i] = xneu[i] - a[i,j] * x[j]; ENDFOR xneu[i] = xneu[i] / a[i,i]; ENDFOR Wie bei Richardson oder Jacobi k¨ onnen wir weitere Splittings von A einf¨ uhren, um unseren Verfahren zu schnellerer Konvergenz zu verhelfen. Dazu zerlegen wir A in den Diagonalteil D, den unteren Dreiecksteil L und den oberen Dreiecksteil U und schreiben: b = Ax = (L + D + U )x = (L + D)x + U x. Daraus ergibt sich die Iterationsvorschrift (L + D)x(k+1) = b − U x(k) = b − (A − L − D)x(k) = (L + D)x(k) + (b − Ax(k) ) oder

x(k+1) = x(k) + (L + D)−1 (b − Ax(k) ).

Dabei ist zur Berechnung der n¨ achsten Iterierten ein Gleichungssystem zu l¨ osen, allerdings ein sehr einfaches; denn die zugeh¨orige Matrix L + D ist eine untere Dreiecksmatrix. Das so definierte iterative Verfahren wird als Gauß-Seidel-Verfahren bezeichnet: FOR i = 1, ..., n: xneu[i] = b[i]; FOR j = 1, ..., i-1: xneu[i] = xneu[i] - a[ij] * xneu[j]; ENDFOR FOR j = i+1, ..., n:

252

23 Iterative L¨ osung Linearer Gleichungssysteme

xneu[i] = xneu[i] - a[ij] * x[j]; ENDFOR xneu[i] = xneu[i] / a[ii]; ENDFOR Dieses Verfahren unterscheidet sich vom Jacobi-Verfahren dadurch, dass zur Berechnung der n¨ achsten Iterierten x(k+1) = xneu sofort die in diesem Schritt bereits vorliegenden Komponenten von xneu eingesetzt werden. Damit erh¨ alt man unter Verwendung nur eines einzigen Vektors x das einfachere Programm FOR i = 1, ..., n: x[i] = b[i]; FOR j = 1, ..., i-1, i+1, ..., n: x[i] = x[i] - a[ij] * x[j]; ENDFOR x[i] = x[i] / a[ii]; ENDFOR Die Konvergenz h¨ angt nun ab von I − (L + D)−1 A2 . Die Matrix (L+D)−1 wird als Pr¨ akonditionierer bezeichnet, da das neue System (L + D)−1 A besser konditioniert sein sollte. Das Gauß-Seidel-Verfahren ist dann genau das Richardson-Verfahren, angewandt auf das pr¨akonditionierte Gleichungssystem (L + D)−1 Ax = (L + D)−1 b. Durch die verbesserte Kondition des neuen Gleichungssystems nach Anwendung des Pr¨ akonditionierers (L + D) soll eine schnellere Konvergenz erreicht werden. Allgemein erhalten wir ein station¨ ares Iterationsverfahren, indem wir A in der Form A = M − N darstellen, wobei die Matrix M leicht invertierbar sein soll. Dann k¨ onnen wir ¨ aquivalent umformen b = Ax = (M − N )x = M x − N x ⇐⇒ M x = N x + b ⇐⇒ x = M −1 N x + M −1 b. Nun haben wir unser Gleichungssystem in eine Form x = Φ(x) gebracht, die wir von unseren Fixpunktbetrachtungen her kennen. Die gesuchte L¨osung wollen wir daher als Fixpunkt der obigen Gleichung mit der Iteration x(k+1) = Φ(x(k) ) = M −1 N x(k) + M −1 b

23.1 Station¨ are Methoden

253

berechnen. Um die Frage der Konvergenz dieser Vorschrift zu kl¨aren, k¨onnen wir den Banach’schen Fixpunktsatz heranziehen. Diese Folge ist danach konvergent, wenn die Funktion Φ(x) kontrahierend ist: Φ(x) − Φ(y)2 = M −1 N (x − y)2 ≤ M −1 N 2 x − y2 . Ist die Matrixnorm L = M −1 N 2 < 1, so liegt lineare Konvergenz vor gegen den Fixpunkt von Φ, der gleichzeitig die L¨osung von Ax = b ist. Die Konvergenzgeschwindigkeit h¨ angt von L = M −1 N  ab; je kleiner diese Zahl, desto schneller die Konvergenz. Ist L nahe bei Eins, so wird die Konvergenz sehr langsam sein. In der allgemeinen Form x(k+1) = M −1 N x(k) + M −1 b = M −1 (M − A)x(k) + M −1 b = x(k) + M −1 (b − Ax(k) ) ist dieses Verfahren bestimmt durch eine Suchrichtung M −1 (b − Ax(k) ), in die der n¨ achste Schritt erfolgt. Daher liegt es nahe, hier eine Schrittweite α einzuf¨ uhren und das ged¨ ampfte Verfahren x(k+1) = x(k) + αM −1 (b − Ax(k) ) zu definieren. Dabei kann α noch m¨ oglichst gut gew¨ahlt werden. ¨ Ublicherweise werden, ausgehend von einem Startvektor x(0) , die N¨aherungsl¨ osungen x(k) so lange berechnet, bis das relative Residuum (k) Ax − b2 /Ax(0) − b2 gen¨ ugend klein ist. Die bisher besprochenen station¨ aren Verfahren sind also Spezialfall einer Iterationsvorschrift  x(k) , x(k+1) ∈ IRn . (23.1) x(k+1) = Φ x(k) , Eine nahe liegende Verbesserung eines solchen Verfahrens kann dadurch erreicht werden, dass wir bei der Berechnung einer neuen Komponente (k+1) (k) (k) xi = Φi (x1 , . . . , xn ) auf der rechten Seite in Φ die bereits verbesserten (k+1) einsetzen. Wenn wir den Vektor in der u Komponenten von x ¨ blichen Reihenfolge von Eins bis n durchlaufen, so f¨ uhrt dies auf  (k+1) (k+1) (k+1) (k) xi = Φi x1 , . . . , xi−1 , xi , . . . , x(k) n was sich durch das einfache Programm FOR i = 1, ..., n: x[i] = Phi[i] (x[1], ..., x[n]); ENDFOR realisieren l¨ asst. Dieses Vorgehen wird mit Einzelschrittverfahren bezeichnet. Im Gegensatz dazu heißt das durch (23.1) beschriebene Verfahren Gesamtschrittverfahren.

254

23 Iterative L¨ osung Linearer Gleichungssysteme

Der Unterschied zwischen Gesamt- und Einzelschrittverfahren entspricht dem Unterschied zwischen Jacobi- und Gauß-Seidel-Verfahren bei der L¨osung linearer Gleichungssysteme. Man beachte, dass beim Einzelschrittverfahren die Reihenfolge, in der die Komponenten neu berechnet werden, frei w¨ahlbar ist und großen Einfluss auf die Konvergenzgeschwindigkeit haben kann.

23.2 Gradientenverfahren Im Folgenden gehen wir davon aus, dass A symmetrisch positiv definit ist, ur alle x = 0 gilt. also AT = A und xT Ax > 0 f¨

0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0 0.2 0.1 0 −0.1

−0.1

0

0.1

0.2

Abb. 23.1. Paraboloid mit Tangentenrichtung.

Nun f¨ uhren wir die Funktion F (x) =

1 T x Ax − bT x 2

ein. Diese Funktion stellt die Verallgemeinerung einer Parabel in mehr Dimensionen dar, einen Paraboloiden (Abb. 23.1). Daher existiert ein eindeutiges Minimum von F (x), das dadurch charakterisiert ist, dass die Ableitung von F an dieser Stelle gleich Null ist (waagrechte Tangente). Die Ableitung von F (x) ist der Gradient ∇F (x) (siehe Abschn. 22.2.4), und dient dazu, die Richtungsableitung von F (x) zu bestimmen. Schr¨anken wir die Funktion

23.2 Gradientenverfahren

255

F (x) auf eine Dimension ein, indem wir nur solche x zulassen von der Form x = x0 +αy, so ist die gew¨ ohnliche eindimensionale Ableitung nach α gegeben durch d F (x0 + αy) = ∇F (x0 ) · y. dα Das relative Minimum x0 von F (x) ist dadurch gekennzeichnet, dass alle Richtungsableitungen in x0 und damit der Gradient gleich Null sein muss. Der Gradient ist Ax − b, so dass das Minimum von F genau die L¨osung des linearen Gleichungssystems Ax = b ist. Daher liegt es nahe, das Problem des linearen Gleichungssystems zu ersetzen durch das Problem der Minimierung von F (x). Zur Bestimmung des Minimums einer gegebenen Funktion formulieren wir folgenden Ansatz f¨ ur ein Iterationsverfahren: xk+1 = xk + αk dk . Dabei ist dk eine Suchrichtung, die eine Verkleinerung des Funktionswertes F (xk ) erlaubt, und αk ist eine Schrittweite, die angibt, wie weit man in Suchrichtung laufen sollte, damit der neue Funktionswert m¨oglichst klein, also m¨ oglichst nahe an dem gesuchten Minimum liegt. Iterative Verfahren zur Bestimmung eines Minimums einer Funktion unterscheiden sich im Wesentlichen durch die Wahl der Suchrichtung. Aus der Beschr¨ ankung auf den eindimensionalen Fall sieht man, dass die Richtungsableitung den betragsgr¨ oßten negativen Wert annimmt f¨ ur die Richtung y = −∇F . Denn nach dem Mittelwertsatz gilt, dass an der Stelle xk die eindimensionale Funktion in α beschrieben werden kann durch

 F (xk + αy) = F (xk ) + α∇F (xk )y + O α2 . Die Richtungsableitung von F (x) in Richtung y an der Stelle xk ist dabei gegeben durch ∇F (xk )y; daher nimmt F (x) bei xk am st¨arksten ab in Richtung des negativen Gradienten y = −∇F (xk ). Dieser negative Gradient eignet sich also gut als Suchrichtung, da auf jeden Fall f¨ ur gen¨ ugend kleine α die Funktion F (x) kleinere Werte annimmt als in F (xk ), zumindest solange xk noch nicht die gesuchte L¨ osung mit ∇F (x) = 0 ist. Man nennt −∇F (xk ) daher auch Abstiegsrichtung f¨ ur F in xk , da die Funktion F in dieser Richaher an das gesuchte Minimum zu tung lokal abnimmt. Um also von xk aus n¨ kommen, kann man den negativen Gradienten dk = b − Axk als Suchrichtung w¨ahlen. Daraus resultiert die Iteration xk+1 = xk + αk (b − Axk ), und es bleibt nur noch αk zu bestimmen. Dazu erinnern wir uns daran, dass wir das Minimum von F suchen, also sollte man auch αk so w¨ahlen, dass die Funktion G(α) := F (xk + α(b − Axk ))

256

23 Iterative L¨ osung Linearer Gleichungssysteme

minimal wird. Dies ist ein einfaches, eindimensionales Problem - quadratisch in α, und l¨ asst sich direkt l¨ osen. Nullsetzen der Ableitung nach α und Aufl¨osen dieser Gleichung nach αk liefert αk =

dTk dk . dTk Adk

Die Iterationsvorschrift lautet daher insgesamt xk+1 = xk +

b − Axk 22 (b − Axk ). (b − Axk )T A(b − Axk )

Die dazugeh¨ orige Fixpunktgleichung hat die Form x = Φ(x) := x +

b − Ax22 (b − Ax), (b − Ax)T A(b − Ax)

mit dem eindeutigen Fixpunkt x ¯ = A−1 b.

Abb. 23.2. Graph von F (x), H¨ ohenlinien mit Zick-Zack-Weg der Iterierten.

Da die Suchrichtung durch den Gradienten festgelegt ist, wird dieses Verfahren das Gradientenverfahren oder steepest descent“ (steilster Abstieg) ” genannt. Wie man an dem Paraboloiden sieht, konvergiert dieser Algorithmus f¨ ur jeden Startwert x0 gegen das gesuchte Minimum, aber evtl. sehr langsam. Ist n¨ amlich A schlecht konditioniert, so ist der Paraboloid stark

23.3 Vektoriteration

257

verzerrt. Dann wird sich die Folge der xk in einer Zickzack-Linie dem Minimum ann¨ ahern, da die lokale Abstiegsrichtung nicht zum Minimum weist (Abb. 23.2 und 23.3).

Abb. 23.3. H¨ ohenlinien von F (x) und Zick-Zack-Iterationsschritte im Gradientenverfahren.

Anmerkung 57. Um eine Verbesserung der Konvergenzgeschwindigkeit zu erreichen, modifizieren wir die Abstiegsrichtung dk . Wir w¨ahlen nicht den Gradientenvektor selbst, sondern nur diejenige Komponente, die A-orthogonal zu den bereits vorher verwendeten Suchrichtungen ist, d.h. es soll gelten dTj Adk = 0 f¨ ur j < k. Auf diese Art und Weise erreicht man ein wesentlich besseres Verfahren, das Verfahren der konjugierten Gradienten, kurz cg-Verfahren f¨ ur conjugate gradient method. F¨ ur unsymmetrische Matrizen wurden a hnliche Verfahren entwickelt, wie z.B. GMRES (Generalized Mi¨ nimum Residual). Dabei versucht man, beste N¨aherungen an die gesuchte L¨ osung aus speziellen, kleinen Unterr¨ aumen zu bestimmen. Als Unterr¨aume betrachtet man die aus A und r0 = Ax0 − b gewonnenen sog. Krylovr¨aume Kp (A, r0 ) := span{r0 , Ar0 , ..., Ap−1 r0 } zu Startvektor x0 . In jedem Schritt wird dann die Funktion Ax − b2 u ¨ ber den Krylovr¨aumen Kp wachsender Dimension minimiert.

23.3 Vektoriteration Wir betrachten die Fixpunktgleichung zur Iterationsfunktion Φ(x) = Ax / λ mit einer n × n-Matrix A und einer Zahl λ = 0. Ein Fixpunkt x = 0 kann nur existieren, wenn λx = Ax gilt, oder anders ausgedr¨ uckt, die Gleichung (λI − A)x = 0 eine nichttriviale L¨ osung besitzt. Dies kann aber nur dann der Fall sein, wenn λI − A singul¨ ar ist, oder det(λI − A) = 0. Die Zahlen λ, f¨ ur die diese Matrix singul¨ ar wird, nennt man Eigenwerte von A (siehe Anhang B.4). F¨ ur solche Eigenwerte λ existiert also auch ein Fixpunkt x zu Φ(x), genannt Eigenvektor. Man beachte, dass mit x auch jedes skalare Vielfache αx, α = 0, wieder ein Eigenvektor zum Eigenwert λ ist.

258

23 Iterative L¨ osung Linearer Gleichungssysteme

Der Einfachheit halber nehmen wir an, dass A wieder symmetrisch positiv definit ist. Zur Bestimmung des gr¨ oßten Eigenwertes betrachten wir dann die Iterationsvorschrift Axk xk+1 = . Axk  Im Falle der Konvergenz dieser Folge gilt: xk → x ¯ und

x ¯=

A¯ x . A¯ x

Daher ist x ¯ ein Eigenvektor der L¨ ange Eins zu dem Eigenwert λ = A¯ x wegen A¯ x¯ x = A¯ x. Um dieses Verfahren genauer zu analysieren, stellen wir den Startvektor x0 in der Orthogonalbasis der Eigenvektoren dar x0 = c1 v1 + . . . + cn vn . Dann folgt Ax0 = A(c1 v1 + . . . + cn vn ) = c1 λ1 v1 + . . . + cn λn vn und allgemein Ak x0 = c1 λk1 v1 + . . . + cn λkn vn . Ist nun λ1 der eindeutig betragsr¨ oßte Eigenwert, so gilt  k  k Ak x0 λ2 λn = c v + c v + . . . + c vn −→ c1 v1 1 1 2 2 n λ1 λ1 λk1 f¨ ur k → ∞, und dasselbe gilt f¨ ur Ak x0 /Ak x0 , also c1 v1 Ak x0 −→ . Ak x0  c1 v1  Nun unterscheiden sich die k-te Iterierte xk und der Vektor Ak x0 aber nur um einen konstanten Faktor, also xk = r · Ak x0 , und daher folgt: xk =

Ak x0 xk = −→ σv1 xk  Ak x0 

mit |σ| = 1. Daher konvergiert die Folge xk gegen einen Eigenvektor zum Eigenwert λ1 . Ist A z.B. eine unsymmetrische Matrix, so muss die Skalierung von xk+1 so modifiziert werden, dass z.B. xTk+1 xk > 0 ist, um ein Hin-und-Her-Springen der Iterierten zwischen den Fixpunkten −v1 und +v1 zu vermeiden. Außerdem k¨ onnen wir nur dann Konvergenz erwarten, wenn ein eindeutiger betragsgr¨ oßter Eigenwert existiert.

23.3 Vektoriteration

259

Beispiel 42 (Weltmodelle und iterative Verfahren). In Abschnitt 12.3 haben wir ein Austauschmodell zur Verteilung von Ressourcen vorgestellt. Die Matrix A erf¨ ullt dabei die Bedingung (1, . . . , 1) · A = (1, . . . , 1). Daher ist 1 ein Eigenwert von A mit Links-Eigenvektor (1, . . . , 1). Das zu l¨ osende Gleichungssystem Ax = x entspricht der Eigenwertgleichung zu diesem Eigenwert 1. Wir k¨ onnen daher die Bedingung (A − I)x = 0 l¨osen, indem wir zum Eigenwert 1 den entsprechenden Rechts-Eigenvektor bestimmen, z.B. durch das oben beschriebene Verfahren der Vektoriteration. Mit der Vektoriteration haben wir ein einfaches Verfahren zur Bestimmung von Eigenwerten kennen gelernt. F¨ ur weitergehende Methoden wie das QR-Verfahren wollen wir hier nur auf weiterf¨ uhrende Literatur verweisen [108].

24 Anwendungsbeispiele

Eine mathematische Aufgabe kann manchmal genauso unterhaltsam ” sein wie ein Kreuzwortr¨atsel.“ George Polya

24.1 Iteration und Chaos 24.1.1 Logistische Parabel Wir betrachten die Iterationsvorschrift xi+1 = αxi (1 − xi ) = Φ(x) aus Beispiel 37 f¨ ur verschiedene Werte von α. F¨ ur einen Startwert 0 < x0 < 1 erhalten wir die Folge (x0 , x1 , x2 , . . .) von Iterierten, die wir als Orbit von x0 bezeichnen. Dieser Orbit kann nun unterschiedliches Verhalten zeigen. Die Folgenglieder k¨ onnen konvergieren, divergieren oder zwischen mehreren Punkten, sog. Attraktoren, hin und her springen; dann besitzt die Folge mehrere konvergente Teilfolgen. F¨ ur 1 < α ≤ 2 konvergiert der Orbit gegen den Fixpunkt x ¯, und zwar f¨ ur 0 < x0 < x ¯ monoton wachsend und f¨ ur x ¯ < x0 < 1 monoton fallend. F¨ ur 2 ≤ α < 3 und 0 < x0 < 1 konvergiert die Folge alternierend gegen den Fixpunkt x¯. Ein anderes Verhalten zeigt der Fall α > 3. F¨ ur α = 3.1 ist der Fixpunkt x ¯ abstoßend und es findet keine Konvergenz statt. Stattdessen erhalten wir zwei Attraktoren – die Fixpunkte zur Iterationsfunktion Φ(Φ(x)) = α2 x(1 − x)(1 − αx + αx2 ), und die Folge der xi zerf¨ allt in zwei gegen diese Attraktoren konvergente Teilfolgen x2k und x2k+1 (Abb. 24.3). Die Fixpunkte von Φ(x) sind dann abstoßend, w¨ahrend sie als Fixpunkte von Φ(Φ(x)) anziehend sind. Wir k¨ onnen die Folge xk zerlegen in die durch die

262

24 Anwendungsbeispiele

0.5

0.8

0.45

0.7

0.4

0.6 0.35

0.5 0.3

0.4

0.25

0.2

0.3

0.15

0.2 0.1

0.1 0.05

0

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

0.5

Abb. 24.1. Monoton wachsende Folge f¨ ur α = 1.5.

0

0

1

1

0.9

0.8

0.8

0.7

0.7

0.6

0.6

0.5

0.5

0.4

0.4

0.3

0.3

0.2

0.2

0

0.2

0.3

0.4

0.5

0.6

0.7

0.8

Abb. 24.2. Alternierende Folge f¨ ur α = 2.8.

0.9

0.1

0.1

0.1

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

Abb. 24.3. xk mit α = 3.1 und zwei Fixpunkten.

0

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

Abb. 24.4. xk mit α = 3.5 und vier Fixpunkten.

Iterationsfunktion Φ(Φ(x)) erzeugten Folgen x2k zu Startwert x0 und x2k+1 zu Startwert x1 . Erh¨ oht man α noch weiter, so nimmt die Zahl der Attraktoren immer weiter zu. F¨ ur α = 4 liegt chaotisches Verhalten vor, d.h. die Iteration hat keine einzelnen H¨ aufungspunkte mehr, sondern f¨ ullt das ganze Intervall [0, 1] aus (Abb. 24.5). Zus¨ atzlich tritt ein weiteres Ph¨ anomen auf, das uns in Kapitel 7 begegnet ist. F¨ ur zwei nahe beieinander liegende Startwerte x0 = 0.99999999 und y0 = x0 + 10−16 vergleichen wir die entstehenden Orbits. Eine Rechnung mit MATLAB liefert x44 = 0.0209 . . . und y44 = 0.9994 . . .. Also hat eine minimale St¨ orung in den Anfangsdaten dazu gef¨ uhrt, dass sich bereits nach 44 Schritten ein v¨ ollig anderes Resultat ergibt. Auch das ist ein Zeichen chaotischen Verhaltens. Es ist praktisch unm¨ oglich, den Orbit einer solchen Folge u angere Zeit vorherzusagen. Wir w¨ urden – in Anlehnung an Kapitel 7 – ¨ ber l¨ dieses Problem als extrem schlecht konditioniert bezeichnen. ¨ Ubung 100. Man untersuche, warum die Bestimmung des Orbits der Iterationsfunktion Φ(x) = 4x(1 − x) schlecht konditioniert ist.

24.1 Iteration und Chaos

263

1

0.8

0.6

0.4

0.2

0

0

0.2

0.4

0.6

0.8

1

Abb. 24.5. Folge xk mit α = 4; chaotisches Verhalten.

24.1.2 Komplexe Iteration Betrachten wir nun Startwerte im Komplexen, z0 ∈ C, und eine Iterationsfunktion Φ(x) = x2 − c. Wir teilen unsere komplexen Startwerte in zwei Kategorien. Die eine Menge M0 enthalte alle Zahlen z0 mit beschr¨anktem Orbit; die andere Menge M∞ umfasse alle Startwerte z0 , bei denen Folgenglieder beliebig groß werden k¨ onnen. Im Beispiel c = 0 haben wir ein einfaches uhren zu einer Konvergenz der zi gegen den Verhalten: Startwerte |z0 | < 1 f¨ Fixpunkt Null, und Startwerte |z0 | > 1 haben als Attraktor den Fixpunkt ∞. F¨ ur c = 0 vereinfachen wir die Verh¨ altnisse. Wir sagen, ein Startwert geh¨ ort zur Menge M0 , wenn z.B. nach 60 Iterationsschritten immer noch |zi | ≤ max{|c|, 2} erf¨ ullt ist. Dadurch sparen wir uns die Analyse unendlich langer Zahlenfolgen. Stellen wir diese Mengen M0 graphisch dar, so erhalten wir komplizierte Bilder von sog. Julia-Mengen, die sich durch eine fraktale, selbst¨ ahnliche Form auszeichnen. Dabei bezeichnet man Objekte als selbst¨ ahnlich, wenn sich in unterschiedlichen Vergr¨oßerungen wieder dasselbe Bild ergibt; d.h. ein Zoom in das Objekt zeigt immer wieder die gleichen Formen. Auch hier tritt das Ph¨ anomen auf, dass sehr nahe beieinander liegende Startpunkte zu v¨ ollig verschiedenem Verhalten f¨ uhren k¨onnen; ein z0 erzeugt einen beschr¨ ankten Orbit, w¨ ahrend ein benachbarter Startwert zu einem unbeschr¨ ankten Orbit f¨ uhrt. Es liegt daher wieder chaotisches – oder schlecht konditioniertes – Verhalten vor. Anmerkung 58. Weitere fraktale Formen lassen sich auch leicht rekursiv definieren; typisches Beispiel ist die bekannte Koch’sche Schneeflocke. Solche Gebilde finden dann auch in der Computergraphik Anwendung, um nat¨ urliche Gegenst¨ ande wie Pflanzen, Wolken oder Gebirge zu modellieren. All diese Objekte haben die Eigenschaft, dass sie aus unterschiedlicher Entfernung betrachtet die gleiche Struktur besitzen.

264

24 Anwendungsbeispiele

Anmerkung 59. Fraktale finden aber auch in anderen Bereichen der Informatik Verwendung. So sind eindimensionale, fraktale, rekursiv definierte Kurven in der Lage, mehrdimensionale Bereiche vollst¨andig zu u ¨ berdecken. Beispiel einer solchen raumf¨ ullenden Kurve ist die zweidimensionale Hilbert-Kurve (Abb. 24.6). Durch immer weiter gehende rekursive Verfeinerung der Kurve kann dabei das ganze zweidimensionale Quadrat durch eine eindimensionale Kurve u asst sich auch ausnutzen bei der ¨ berdeckt werden. Diese Eigenschaft l¨ Indizierung und Suche in großen, mehrdimensionalen Datenfeldern.

Abb. 24.6. Konstruktionsvorschrift f¨ ur die Hilbert-Kurve.

24.1.3 Newton-Iteration und Chaos Wir betrachten das kubische Polynom y = p(x) = x3 − x mit den Nullstellen χ1 = −1, χ2 = 0, und χ3 = 1. Das Newton-Verfahren liefert die Iterationsvorschrift f (xi ) x3i − xi = x . − i f (xi ) 3x2i − 1

W¨ ahlen wir als Startwert ein x0 = ± 1/3, so konvergiert die erzeugte Folge gegen einen der drei Fixpunkte von Φ(x) bzw. Nullstellen von p(x). Gegen welche der Nullstellen die Folge konvergiert, wird durch den Startwert

< − 1/3, so konvergiert xi gegen χ1 . bestimmt. Liegt der Startwert x 0

Entsprechend f¨ ur 1/3 < x0 Konvergenz gegen χ3 . Vergleichen wir nun xi+1 = Φ(xi ) = xi −

24.2 Iterative Verfahren in Anwendungen

265

das Konvergenzverhalten f¨ ur die drei nahe beieinander liegenden Startwerte 0.44720, 0.44725 und 0.44730 so stellen wir fest, dass sie zur Konvergenz gegen χ2 , χ1 , bzw. χ3 f¨ uhren. Hier zeigt sich also wieder chaotisches, schlecht konditioniertes Verhalten. Kleinste Abweichungen im Startwert f¨ uhren zu v¨ollig verschiedenen L¨ osungen unseres Ausgangsproblems. Die Menge von Startwerten, die zur Konvergenz gegen eine der drei Nullstellen f¨ uhrt, ist von fraktaler, selbst¨ ahnlicher Form [7].

24.2 Iterative Verfahren in Anwendungen 24.2.1 Neuronale Netze und iterative Verfahren Wir wollen an den Abschn. 12.2 ankn¨ upfen. Gesucht ist ein Neuronales Netz, das f¨ ur verschiedene Eingabedaten m¨ oglichst genau einen vorgegebenen Ausgabewert liefert. Also sind wieder Gewichte wi so zu bestimmen, dass n 

(j)

wi xi

= wT x(j) ≈ yj ,

j = 1, . . . , m

i=1

gilt. Zur L¨ osung dieses Problems k¨ onnen wir nun auch ein iteratives Verfahren heranziehen. Dazu gehen wir von gesch¨ atzten Gewichten wi aus, und versuchen, anhand eines neuen Testbeispieles die Gewichte leicht zu ver¨andern, so dass das Neuronale Netz auch f¨ ur dieses neue Beispiel eine gute N¨aherung liefert. Dazu soll also die neue Eingabe xneu m¨oglichst zum Resultat yneu f¨ uhren; tats¨ achlich liefert das Neuronale Netz aber den Wert y = wT xneu und damit eine Abweichung dneu = yneu − y. Nehmen wir an, dass wir die Gewichte ver¨ andern wollen, so dass das neue Testbeispiel mit ber¨ ucksichtigt ist. Dies bedeutet, dass (yneu − wT xneu )2 = 0 ist. Die Ableitung bzw. der Gradient dieser Funktion ist

2  ∇ (yneu + (wT xneu )2 − 2yneu (wT xneu ) = const · xneu . Um die Gewichte so zu ver¨ andern, dass das neue Testbeispiel f¨ ur d2 = 2 (yneu −y) ungef¨ahr Null liefert, verschiebt man die Gewichte in Richtung dieses Gradienten, da der negative Gradient immer in Richtung des Minimums zeigt. Daher setzen wir als verbesserte Gewichte wneu = w + αxneu . Damit liefert das modifizierte Netz die Ausgabe T wneu xneu = y + αxTneu xneu = y + αxneu 2 .

266

24 Anwendungsbeispiele

Diese Modifizierung sollte zu dem gew¨ unschten Wert yneu f¨ uhren; dazu m¨ ussten wir α = dneu /xneu 2 w¨ ahlen. Nun will man aber die bisherigen Testbeispiele nicht vollst¨ andig vernachl¨ assigen; daher setzen wir statt α hier ηα ein mit einer vorgegebenen Zahl 0 < η < 1, der Lernrate η. Auf diese Art und Weise k¨ onnen wir jedes neue Testbeispiel sofort f¨ ur eine verbesserte Sch¨ atzung der Gewichte des Neuronalen Netzes verwenden und Testbeispiel f¨ ur Testbeispiel verbesserte Gewichte berechnen durch wneu = walt + η

T yneu − walt xneu xneu . 2 xneu 

Man spricht hier von Lernregeln f¨ ur ein Neuronales Netz, die offensichtlich eng mit dem Gradientenverfahren aus Abschn. 23.2 verwandt sind. 24.2.2 Markov-Ketten und stochastische Automaten Wir betrachten einen Automaten mit Zust¨ anden S1 , . . . , Sn . Ausgehend von einem Startzustand S1 kann der Automat in verschiedene Folgezust¨ande mit Wahrscheinlichkeit pij u ¨ bergehen. Dabei bedeutet pij die Wahrscheinlichkeit, mit dem der Automat vomZustand Si in den Zustand Sj u ¨bergeht. n Daher muss f¨ ur alle i = 1, . . . , n p = 1 gelten. Zu diesem Automaten j=1 ij ¨ definieren wir eine Matrix, wobei jede i-te Zeile dieser Matrix die Ubergangswahrscheinlichkeiten enthalten soll, ausgehend vom Zustand Si : A = (pij )ni,j=1 . Ein Vektor xt = (xt1 , . . . , xtn ) beschreibt dann eine m¨ogliche Wahrscheinlichkeitsverteilung des Automaten auf die Zust¨ande zu einem Zeitpunkt t; ur den Zustand S1 zur Zeit t also gibt dann z.B. xt1 die Wahrscheinlichkeit f¨ an. Die Wahrscheinlichkeitsverteilung zu dem n¨achsten Zeitpunkt  t errecht t T net sich aus x A = x . Wegen der Eigenschaft A(1, . . . , 1) = ( j pij )ni=1 = (1, . . . , 1)T nennt man A auch eine stochastische Matrix. Dies bedeutet auch, dass der Vektor (1, . . . , 1)T ein (Rechts-)Eigenvektor dieser stochastischen Matrix ist mit Eigenwert 1. Wir gehen davon aus, dass zun¨ achst nur der Zustand S1 eingenommen wird, dies entspricht dem Vektor x0 = (1, 0, . . . , 0). So l¨asst sich nach mehreren Schritten der Zustandsvektor xk = x0 Ak berechnen, dessen j-te Komponente angibt, mit welcher Wahrscheinlichkeit nach k Schritten ein Zustand Sj eingenommen wird. Beispiel 43. Wir untersuchen eine Schule mit n Jahrg¨angen [57]. Am Ende des i-ten Jahres gibt es f¨ ur einen Sch¨ uler folgende Aussichten: Mit der Wahrscheinlichkeit pi bricht er die Schule ab; Mit der Wahrscheinlichkeit qi muss er die Klasse wiederholen;

24.2 Iterative Verfahren in Anwendungen

267

Mit der Wahrscheinlichkeit ri = 1 − pi − qi wird er in die n¨achste Klasse versetzt bzw. besteht er die Abschlusspr¨ ufung im Falle i = n. Unsere Zustandsmenge besteht nun aus den Zust¨anden S0 f¨ ur: Abschlusspr¨ ufung bestanden S1 f¨ ur: Abbruch der Ausbildung Sl+1 f¨ ur: Befindet sich im l-ten Schuljahr.

q2

q1 r1

r2 p

1

q4

q3

p

2

r4

r3 p

3

q5

p

4

q6 r5

p

5

q7 r6

p

6

8

r7 p

7

q9

q

r8

p

8

r9

erfolgreicher Schulabschluß

p9

Abbruch

Abb. 24.7. Gewichteter Graph der m¨ oglichen Zustands¨ uberg¨ ange.

¨ Damit erhalten wir die folgende (n+2) × (n+2) Ubergangsmatrix ⎛ ⎞ 1 0 ⎜0 1 0 ⎟ ⎜ ⎟ ⎜ .. ⎟ ⎜ . p1 q1 r1 ⎟ ⎜ ⎟ ⎜ .. ⎟ A = ⎜ . p2 0 q2 r2 ⎟. ⎜ ⎟ ⎜ . ⎟ .. .. .. ⎜ .. ⎟ . . . ⎜ ⎟ ⎝ 0 pn−1 0 · · · · · · qn−1 rn−1 ⎠ rn pn 0 · · · · · · 0 qn Ein Sch¨ uler ist verkn¨ upft mit einem Vektor x, der widerspiegelt, mit welcher Wahrscheinlichkeit sich der Sch¨ uler in einem bestimmten Zustand (Jahrgang) befindet. Ausgehend von einem Startvektor (meist (0, 0, 1, 0, ..., 0), wenn der Sch¨ uler sich in der ersten Klasse befindet), berechnet sich dann die Wahrscheinlichkeit f¨ ur den Zustand des Sch¨ ulers nach k Schuljahren aus xk = xAk = xAA . . . A. Wir betrachten nun ein Schulsystem, in dem der Sch¨ uler beliebig lange die Schule besuchen darf. Es stellt sich dann die Frage, mit welcher Wahrscheinlichkeit ein Sch¨ uler die Abschlusspr¨ ufung erfolgreich

268

24 Anwendungsbeispiele

ablegen wird, wenn er sich gerade in einer bestimmten Jahrgangsstufe befindet, und wenn jeder Sch¨ uler beliebig lange Zeit hat, um die Abschlusspr¨ ufung zu erreichen. Dazu betrachten wir die Grenzmatrix ⎛ ⎞ 1 0 ··· ··· 0 ⎜0 1 0 ··· 0⎟ ⎜ ⎟ ⎜ ⎟ A˜ = lim Ak = ⎜ b1 1 − b1 0 · · · 0 ⎟ . ⎜ .. k→∞ .. ⎟ .. .. ⎝ . .⎠ . . bn 1 − bn 0 · · · 0 Die Komponenten von Ak (1, 0, ..., 0)T geben die Wahrscheinlichkeit f¨ ur einen erfolgreichen Schulabschluss nach k Schuljahren an, ausgehend von einem Zustand S0 , S1 ,..., bzw. Sn+1 . Im Grenzfall k → ∞ bedeutet so z.B. der Koeffizient bn , mit welcher Wahrscheinlichkeit ein Sch¨ uler der letzten Klasse die Abschlusspr¨ ufung bestehen wird. Zur Bestimmung der Koeffizienten bj berechnen wir Ak (1, 0, . . . , 0)T und Ak (0, 1, 0, . . . , 0)T f¨ ur großes k. Die beiden ersten Spalten der obigen Grenzmatrix A˜ entsprechen zwei linear unabh¨ angigen Eigenvektoren der Ausgangsmatrix A zu dem maximalen Eigenwert 1. Dies folgt aus der Beziehung ⎛ ⎞ ⎛ ⎞ 1 1 ⎜0⎟ ⎜0⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ b1 ⎟ ⎜ ⎟ ← Ak+1 e1 = A Ak e1 → A ⎜ b1 ⎟ . ⎜ .. ⎟ ⎜ .. ⎟ ⎝ . ⎠ ⎝ . ⎠ bn bn Die obere Grenzmatrix A˜ kann also berechnet werden durch zwei einfache Vektoriterationen zur Bestimmung der beiden Eigenvektoren zu dem betragsgr¨ oßten Eigenwert 1 von A, jeweils mit den Startvektoren e1 , bzw. e2 . 24.2.3 Data Mining und Information Retrieval Numerische Verfahren spielen heutzutage eine wesentliche Rolle auch in Bereichen, von denen man es zun¨ achst nicht erwarten w¨ urde. So hat sich zur Suche in großen Datenmengen das Vektorraummodell als sehr hilfreich erwiesen. Dazu stellen wir jedes Dokument D(j) durch einen Vektor u(j) ∈ IRm (j) (j) dar, wobei jede Komponente ui verkn¨ upft ist mit einem Suchterm Ti ; ui kann als die Gewichtung angesehen werden, mit der der Term Ti mit diesem Dokument verkn¨ upft ist. Genauso stellen wir uns jede Suchanfrage als einen Vektor l ∈ IRm vor, wobei jede Komponente wieder das Gewicht ausdr¨ uckt, mit dem der entsprechende Term in die Suche eingehen soll. Fassen wir n Dokumentvektoren u(j) zu einer m × n-Matrix zusammen, so ist A die Term-Dokument-Matrix, ihre Zeilen heißen Termvektoren (∈ IRn ), ihre

24.2 Iterative Verfahren in Anwendungen

269

Spalten Dokumentvektoren (∈ IRm ). Jeder Eintrag aij gibt die gewichtete H¨ aufigkeit an, mit der Term Ti im Dokument D(j) auftritt. Um Information dar¨ uber zu erhalten, welche Dokumente zu einer vorgegebenen Suchanfrage passen“, untersuchen wir die Winkel zwischen Anfra” gevektor und den Dokumentvektoren u(j) , m aij li lT u(j) cos(θj ) = =  i=1  . (j) m m l2 u 2 2 2 i=1 aij i=1 li Dokumentvektor und Anfragevektor sollten m¨oglichst verwandt“ sein, also ” m¨oglichst linear abh¨ angig oder parallel; daher w¨ahlen wir solche Dokumente aus, f¨ ur die θj nahe bei 0 ist, bzw. cos(θj ) nahe bei 1. In dieser einfachen Form f¨ uhrt das Vektorraummodell h¨aufig zu ungen¨ ugenden Ergebnissen. Es hat sich als Erfolg versprechend erwiesen, die sehr große Matrix A zun¨ achst durch eine einfachere Matrix zu approximieren, die besser in der Lage ist, die wesentliche Zusammenh¨ange herauszufinden; man k¨ onnte auch sagen, dass in der Matrix A sehr viel Rauschen und St¨ orungen enthalten sind, die entfernt werden sollten, um bessere Resultate zu erhalten. Eine erste Methode zur Reduktion der Matrix A besteht in der Berechnung der QR-Zerlegung von A, A = QR. Aus R l¨asst sich ablesen, welche Eintr¨ age sehr klein sind und als Rauschen zu interpretieren sind. Dazu schreiben wir   R11 R12 R= 0 R22 altnis zur Gesamtmatrix. Dann und nehmen an, dass R22 klein ist im Verh¨ ersetzen wir A = QR durch eine Approximation niederen Ranges   R11 ˜ A=Q 0 und bearbeiten unsere Suchanfrage durch Anwendung von l auf die Spalten ˜ von A. Eine Approximation niederen Ranges liefert auch die Singul¨arwertzerlegung A = U ΣV (Anhang B.4). Um eine Reduktion der Term-DokumentMatrix A zu erhalten, l¨ oschen wir in der Singul¨ arwertzerlegung in Σ sehr klei˜ Damit ist A˜ = U ΣV ˜ ne Diagonaleintr¨age. Dies ergibt eine Diagonalmatrix Σ. wieder eine Approximation niedrigeren Ranges an A. Diese Art der Repr¨asentation einer großen Datenmenge bezeichnet man als rangreduziertes Vektorraummodell oder als latent semantic indexing. Gerade im Bereich des World Wide Web spielen Suchverfahren eine große Rolle. Zu einem Suchbegriff wird es m¨ oglicherweise bis zu Hunderttausend und mehr Webseiten geben, in denen dieser Suchbegriff auftaucht. Um aus dieser Menge wichtige Adressen auszuw¨ ahlen, verwenden bisherige Suchmaschinen oft einfache Daumenregeln wie: Je o ¨fter die Suchbegriffe in einem ”

270

24 Anwendungsbeispiele

Dokument vorkommen, desto wichtiger ist das Dokument“. Offensichtlich werden dadurch oft uninteressante Webseiten u ¨berbewertet oder eine WWWSeite wird k¨ unstlich wichtig“ gemacht, indem besondere Schl¨ usselworte oft ” wiederholt werden. Anmerkung 60 (Pagerank und Google). Geschicktere Ans¨atze gehen davon aus, die auf Webseiten befindlichen Hyperlinks als Kriterien zu verwenden. Dazu betrachtet man das World Wide Web als gewichteten Graph, dessen Knoten die einzelnen Webseiten sind. Die Kanten sind die Links zwischen den einzelnen Webseiten. Hat eine Seite i genau d ausgehende Kanten, so erh¨alt jede dieser Kanten das Gewicht 1/d. Dies entspricht einer Adjazenzmatrix mit Eintr¨ agen sij = 1/d, falls Knoten i genau d ausgehende Kanten hat, und eine davon zu Seite j f¨ uhrt. Ansonsten ist sij = 0, falls keine Verbindung von i nach j besteht, bzw. sij = 1/n, falls i u ¨ berhaupt keine ausgehende Kanten hat. Dabei ist n die Gr¨ oße der Matrix, bzw. die Zahl aller Webseiten. Daher misst sij die Wahrscheinlichkeit, dass ein Surfer von Seite i zu j springt. Die entstehende Adjazenzmatrix S ist wieder eine stochastische Matrix mit der Eigenschaft S 1 = 1 = (1, 1, ..., 1)T . Also ist 1 ein Rechtseigenvektor von S zu Eigenwert 1. Eine Komponente wi des Linkseigenvektors w mit wT S = wT zu diesem maximalen Eigenwert 1 gibt nun die Wahrscheinlichkeit an, mit der ein Surfer die i-te Webseite besucht. Die Suchmaschine Google verwendet nun nicht die Matrix S selbst, sondern G := αS + (1 − α) 1 v T mit einem D¨ anmpfungsfaktor 0 < α < 1 und einem ”personalization vector” v ≥ 0, j=1 |vj | = v1 = 1. Dann ist auch G wieder eine stochastische Matrix. Der gesuchte Linkseigenvektor von G zu Eigenwert 1 ist dann eindeutig und l¨asst sich numerisch bestimmen. Außerdem verf¨ ugt man durch die Wahl von v noch u atzliche Einflussm¨ oglichkeit, um die Gewichte der Websei¨ ber eine zus¨ ten positiv oder negativ zu beeinflussen. Die i-te Komponente dieses Linkseigenvektors ist dann der Pagerank der i-ten Webseite. Um den Pagerank zu bestimmen, muss also z.B. durch Vektoriteration dieser Eigenvektor m¨oglichst genau berechnet werden. Dies wird in bestimmten Zeitabst¨anden wieder neu durchgef¨ uhrt, um die zwischenzeitlichen Ver¨ anderungen zu ber¨ ucksichtigen. Der Pagerank jeder Seite wird dann gespeichert und kann schnell abgefragt werden. Eine Suchanfrage findet dann die zu den Suchbegriffen passenden Webseiten mit maximalem Pagerank. Die genaue Rezeptur des verwendeten Verfahrens wird von Google nat¨ urlich geheim gehalten, um nicht gegen¨ uber Mitkonkurrenten den erreichten Vorsprung zu verlieren. Analysiert man das WWW genauer, so kristallisieren sich zwei Sorten von interessanten Webadressen heraus. Zum einen sogenannte Authorities, das sind Adressen, die zu einem Suchvektor wichtig sind; zum anderen Hubs1 , darunter sind Sammlungen relevanter Webseitenlinks zu verstehen. Bezogen auf einen vorgegebenen Themenbereich lassen sich diese beiden Mengen verschr¨ ankt definieren: 1

hub bedeutet u ¨ bersetzt Nabe, Angelpunkt

24.2 Iterative Verfahren in Anwendungen

271

– eine angesehene Authority ist eine Webseite, auf die viele gute Hubs verweisen – ein n¨ utzlicher Hub ist eine Webseite, die auf viele gute Authorities verweist. Wir starten mit einer Menge geeigneter Hubs, d.h. wir haben einen Startvektor, der f¨ ur jeden m¨ oglichen Hub eine a priori-Gewichtung enth¨alt. Jeder Hub verweist nun auf mehrere Authorities, so dass wir zu unserem Startvektor sofort einen Vektor von dazugeh¨ origen Authorities angeben k¨onnen. Diese Authorities stehen nun aber selbst wieder in einigen Hubs, die auf diese Webseiten verweisen, so dass wir auf diese Art und Weise – ausgehend von einer Startgewichtung der Hubs – wieder bei einer neuen Gewichtung der Hubs angekommen sind. Dasselbe k¨ onnen wir auch formulieren, indem wir mit einer Gewichtung von Authorities starten. Um diese Vorgehensweise etwas genauer zu formulieren, definieren wir die n × m Matrix B als Hub-Authority-Matrix, deren Werte bij angeben, mit welchem Gewicht Authority Aj , j = 1, . . . , n im Hub Hi vorkommt, i = 1, . . . , m. Seien H (0) und A(0) Startannahmen f¨ ur Hubs und Authorities, (0) d.h. jede Komponente Hi des Vektors H (0) spiegelt das Gewicht des j-ten Hubs wieder. Also gibt (BA(0) )i wieder, wie oft der i-te Hub auf eine der Start-Authorities verweist. Entsprechend gibt (B T H (0) )j an, mit welchem Gewicht die Start-Hubs auf die j-te Authority zeigen. Wiederholen wir diesen Prozess, so ergibt sich die Iteration A(k+1) =

(B T B)A(k) , |(B T B)A(k) |

H (k+1) =

(BB T )H (k) . |(BB T )H (k) |

Dies entspricht zwei unabh¨ angigen Vektoriterationen zu der Matrix B T B T bzw. BB . Daher konvergieren die Vektorfolgen gegen die jeweiligen Eigenvektoren zu dem maximalen Eigenwert von B T B (der gleich dem maximalen Eigenwert von BB T ist). Die Komponenten dieser Eigenvektoren geben dann eine Gewichtung der Hub- bzw. Authority-Seiten an, bezogen auf den ausgew¨ ahlten Themenbereich. Eine Suchmaschine sollte daher auf eine Anfrage hin WWW-Seiten hoher Gewichtung anzeigen, also Dokumente, die zu betragsgroßen Komponenten in den Eigenvektoren zu dem maximalen Eigenwert geh¨ oren. Der Vorteil einer solchen Vorgehensweise liegt darin, dass die Suchanfrage von Anfang an mit ber¨ ucksichtigt wird und dass die HubAuthority-Matrix wesentlich kleiner ist als die Anzahl aller WWW-Seiten. Andererseits bedeutet dies auch, dass die entsprechende Vektoriteration erst nach Eingang der Suchabfrage durchgef¨ uhrt werden kann und also quasi in Echtzeit das Ergebnis liefern m¨ usste; diese Schwierigkeit ist auch der Grund daf¨ ur, dass es bisher nicht gelungen ist, aus diesem Ansatz eine konkurrenzf¨ ahige Suchmaschine zu entwickeln.

25 Aufgaben

Anyone who cannot cope with mathematics is not fully human. At ” best he is a tolerable subhuman who has learned to wear shoes, bathe and not make messes in the house.“ Lazarus Long in ”Time Enough for Love” von Robert A. Heinlein

¨ Ubung 101 (Fixpunkt des Cosinus). Zeigen Sie, dass die Iteration xn+1 = cos(xn ) f¨ ur alle x0 ∈ IR gegen den einzigen Fixpunkt χ, χ = cos(χ), konvergiert. a) Formulieren Sie ferner ein Newton-Verfahren zur Berechnung von χ. Konvergiert dieses Verfahren ebenfalls f¨ ur jeden beliebigen Startwert? b) Vergleichen Sie die Konvergenzgeschwindigkeit der beiden Iterationsverfahren. ¨ Ubung 102 (Fixpunkt-Iteration und Newton-Verfahren). Gegeben sei eine Funktion Φ : IR → IR. Wir wollen einen Fixpunkt x∗ ∈ IR von Φ finden. Um das Newton-Verfahren anwenden zu k¨onnen, ben¨otigen wir eine Funktion f : IR → IR mit der Eigenschaft Φ(x) = x ⇔ f (x) = 0. a) Geben Sie eine Funktion f an, die obige Bedingung erf¨ ullt. b) Formulieren Sie das Newton-Verfahren f¨ ur die in Teilaufgabe a) bestimmte Funktion. c) Ist das in Teilaufgabe b) entwickelte Verfahren stets quadratisch konvergent? Begr¨ unden Sie Ihre Antwort und nennen Sie gegebenenfalls notwendige Bedingungen an Φ, um quadratische Konvergenz zu erzielen. ¨ Ubung 103 (Konvergenzgeschwindigkeit des Newton-Verfahrens). Wir suchen eine einfache Nullstelle χ einer Funktion g(x). Nat¨ urlich ist dann χ auch eine Nullstelle von g 2 (x).

274

25 Aufgaben

a) Formulieren Sie das Newton-Verfahren zur Bestimmung von χ einmal mittels der Funktion g(x) und einmal mittels Funktion g 2 (x) (unter Verwendung von g (x)). b) Da χ eine einfache Nullstelle ist, k¨ onnen wir g(x) = (x−χ)h(x) schreiben mit h(χ) = 0. Welches der beiden Verfahren konvergiert schneller? Wie ist der Unterschied zu erkl¨ aren? c) Sei nun χ eine zweifache Nullstelle einer Funktion f (x). Wie kann daher das Newton-Verfahren modifiziert werden, so dass schnellere Konvergenz erreicht wird? Diskutieren Sie mehrere M¨ oglichkeiten. ¨ Ubung 104. Zur Berechnung von 1/b suchen wir eine Nullstelle χ der Funktion f (x) = 1/x − b, b = 0. a) Formulieren Sie das Newton-Verfahren zur Bestimmung von χ. F¨ ur welche Startwerte konvergiert das Verfahren in einem Schritt? b) F¨ ur welche b ist das Newton-Verfahren lokal quadratisch konvergent? c) Diskutieren Sie die Iteration, die durch die Festlegung Φ(x) = bx2 , xk+1 = Φ(x) definiert ist. Wo liegen evtl. Fixpunkte? Ist dieses Verfahren zur Berechnung von 1/b zu empfehlen? ¨ Ubung 105. Wir betrachten die Iterationsfunktion Φ(x) = x2 + 1/(2x). Welche Fixpunkte hat Φ? Sind diese Fixpunkte abstoßend oder anziehend? Zeigen sie dass f¨ ur einen Startwert x0 gilt: |xk+1 − 1| ≤

1 (xk − 1)2 . 2xk

Was folgt daraus f¨ ur die Konvergenzordnung dieses Verfahrens? Man bestimme ein Intervall I so, dass f¨ ur x ∈ I die Funktion Φ kontrahierend ist und eine Abbildung Φ : I → I darstellt. ¨ Ubung 106 (Quadratwurzelberechnung nach Heron [78]). Das Verfahren von Heron dient dazu, die Quadratwurzel einer beliebigen positiven Zahl mit festem Aufwand auf Maschinengenauigkeit zu berechnen. Es basiert auf der Bestimmung der positiven Nullstelle der Funktion f (x) = x2 − a mittels Newton-Verfahrens. a) Bestimmen Sie zun¨ achst mittels linearer Interpolation f¨ ur a ∈ [1, 4) einen √ guten N¨ aherungswert f¨ ur a. Verwenden Sie die Funktion s(x) =

1 (8x + 17) 24

als N¨ aherung an die Wurzelfunktion. Sch¨ atzen Sie den relativen √ √ Fehler x). des gefundenen N¨ aherungswertes ab (also die Gr¨oße von (s(x)− x)/ √ b) Formulieren Sie das Newton-Verfahren zur Bestimmung der Nullstelle a von f (x). Wie entwickelt sich ahrend der Iteration? Wie viele √der Fehler w¨ Iterationen sind n¨ otig, um a bis auf Maschinengenauigkeit zu berechnen, falls a ∈ [1, 4) ist?

25 Aufgaben

275

c) Wie kann das obige Verfahren angewandt werden, falls a ∈ / [1, 4) gilt? Dazu schreiben wir a in der Form a = α22p mit passendem p und α ∈ [1, 4). ¨ Ubung 107 (Nachiterieren zur L¨ osung eines linearen Gleichungssystems Ax = b). Wir nehmen an, dass bereits mit einem direkten Verfahren, z.B. der Gauß-Elimination, eine N¨ aherungsl¨osung x ˜ des linearen Gleichungssystems berechnet wurde. Diese L¨ osung ist mit Rundungsfehlern behaftet, d.h. b − A˜ x = r = 0. Um die St¨ orung zu verringern, setzen wir x=x ˜ + c mit einem zu bestimmenden Korrekturvektor c; daher muss gelten b = Ax = A(˜ x + c) = Ac + A˜ x oder Ac = b − A˜ x=r Dies ist ein neues lineares Gleichungssystem zur Bestimmung der Korrektur c, das evtl. wieder mit einem direkten Verfahren gel¨ost werden kann. Wir wollen statt dessen ein iteratives Verfahren einsetzen. Dazu setzen wir c0 = c,

ci+1 = ci + S(r − Aci ).

Welche Bedingung muss die Matrix S erf¨ ullen, damit diese Iteration konvergiert? ¨ Ubung 108. Sei f eine zweimal stetig differenzierbare Funktion. Wir wollen mittels Newton-Verfahren eine Nullstelle unbekannter Ordnung bestimmen, unter Verwendung der Funktion h(x) := f (x)/f (x). Was l¨asst sich u ¨ber die Konvergenz des Newton-Verfahrens, angewandt auf die Funktion h, sagen? ¨ Ubung 109. Gesucht ist eine Nullstelle x ¯ von f (x). Wir betrachten die durch die Iterationsfunktion Φ = αf (x) + x und einem Startwert x0 definierte Folge xk . Was l¨ asst sich – in Abh¨ angigkeit von α – u ¨ ber die Konvergenz dieser Folge sagen? ¨ Ubung 110. Zu Bestimmung eines Fixpunktes x ¯ einer Funktion Φ(x) definieren wir die Hilfsfunktion f (x) := Φ(x) − x. Wie kann man mittels f (x) den gesuchten Fixpunkt x ¯ bestimmen?

Teil VII

Numerische Behandlung von Differentialgleichungen

26 Gew¨ ohnliche Differentialgleichungen

Die Mathematiker sind eine Art Franzosen; redet man mit ihnen, so ” ubersetzen sie es in ihre Sprache, und dann ist es alsobald ganz etwas ¨ anderes.“ Johann Wolfgang von Goethe

In diesem Kapitel wenden wir uns nochmals einem spannenden Teilgebiet der ¨ Mathematik zu. Dies ist aus der zugegebenermaßen etwas trockenen Uberschrift nicht ohne weiteres erkennbar und daher schicken wir folgende motivierende Bemerkung voraus: Viele technische, physikalische und ¨ okonomische Vorg¨ange lassen sich mit mathematischen Modellen simulieren, bei denen die relevanten Gr¨oßen mit ihren zeitlichen und/oder r¨ aumlichen Ver¨ anderungen verkn¨ upft sind. Die gesuchte Gr¨ oße, die wir mathematisch als eine Funktion interpretieren, ist daher durch Gleichungen gegeben, in der sowohl die gesuchte Funktion als auch Differentialquotienten der Funktion auftauchen. Mit Hilfe dieser Differentialgleichungen k¨ onnen wir z.B. die komplette, unbelebte Materie beschreiben. Dies dient nicht nur dem tieferen Verst¨ andnis unserer Umwelt. Wir sind auch in der Lage, quantitative Voraussagen f¨ ur Ereignisse in der Zukunft zu machen. Differentialgleichungen bilden somit eine Grundlage f¨ ur Simulationen und, darauf aufbauend, auch f¨ ur Optimierungen. Kein Wunder also, dass sich Physiker, Ingenieure und Techniker daf¨ ur interessieren, wie L¨osungen von Differentialgleichungen konstruiert werden k¨onnen. Beginnen wollen wir mit der Definition 28 (Differentialgleichungen). Unter einer Differentialgleichung verstehen wir eine Gleichung, in der neben der gesuchten Funktion auch Differentialquotienten der Funktion auftreten. Je nachdem, ob nur Ableitungen einer Funktion u einer Variablen, z.B. nach der Zeit t oder dem Ort x, oder partielle Ableitungen mehrerer Variablen, z.B. nach dem Ort x und y zugleich, auftreten, unterscheiden wir gew¨ohnliche und partielle Differentialgleichungen. Die L¨ osung einer Differentialgleichung ist eine Funktion u, die, zusammen mit ihren Ableitungen, f¨ ur alle Werte des Definitionsbereichs der Variablen die Differentialgleichung erf¨ ullt. Die h¨ochste auftretende

280

26 Gew¨ ohnliche Differentialgleichungen

Ableitungsordnung der gesuchten Funktion legt die Ordnung der Differentialgleichung fest. ¨ Einen Uberblick auf die numerischen L¨ osungsmethoden f¨ ur gew¨ohnliche Differentialgleichungen geben wir in diesem Kapitel. Partielle Differentialgleichungen behandeln wir im Kapitel 27. Wir f¨ uhren ein einfaches Beispiel einer gew¨ ohnlichen Differentialgleichung an in dem Beispiel 44 (Freier Fall im konstanten Schwerefeld). Ein K¨orper wird aus der H¨ ohe h0 zum Zeitpunkt t0 = 0 losgelassen und unter dem Einfluss der konstanten Erdanziehung −g nach unten beschleunigt. Zum Zeitpunkt des Loslassens ist die Anfangsgeschwindigkeit gerade v0 = 0. Wir wollen sowohl die momentane H¨ ohe h(t) als auch Geschwindigkeit v(t) in Abh¨angigkeit von der Zeit t bestimmen. Aus der Physik kennen wir die fundamentalen Beziehungen zwischen der Beschleunigung a(t) = −g, der Geschwindigkeit v(t) und der H¨ohe h(t) als System von gew¨ohnlichen Differentialgleichungen dh ˙ , und v(t) = h(t) = dt d2 h ¨ dv = 2 = h(t). a(t) = v(t) ˙ = dt dt

(26.1) (26.2)

Die Geschwindigkeit v(t) bestimmen wir durch Integration von (26.2) mit der bekannten Beschleunigung a(t) = −g 



t

t

a(τ )dτ = −g

v(t) = t0

dτ = −gt.

(26.3)

0

Die Geschwindigkeit v(t) steigt somit proportional mit der verstrichenen Fallzeit t an. Die Proportionalit¨ atskonstante entspricht der konstanten Beschleunigung −g. Um die H¨ ohe h(t) zu bestimmen, integrieren wir (26.1) und erhalten  t  t h(t) = h0 + v(τ )dτ = h0 − g τ dτ = h0 − gt2 /2. t0

0

Somit haben wir die H¨ ohe h(t) und die Geschwindigkeit v(t) in Abh¨angigkeit der Zeit t berechnet und k¨ onnen z.B. die Aufschlagzeit t1 und die entsprechende Aufschlaggeschwindigkeit v1 auf dem Boden aus der Bedingung h(t1 ) = 0 ermitteln:

2h0 und v1 = − 2h0 g. t1 = g

26 Gew¨ ohnliche Differentialgleichungen

281

Das Beispiel 44 ist vergleichsweise einfach durch zweifache Integration zu l¨ osen, weil die auftretende Differentialgleichung nur eine Funktion der unabh¨ angigen Variablen t und nicht von den abh¨angigen Variablen h(t) oder v(t) ist. In allgemeiner Form lautet die Aufgabe der gew¨ohnlichen Differentialgleichung in expliziter Form: Bestimme die Funktion y(x), deren Ableitung die Gleichung y (x) = ϕ(y, x) (26.4) erf¨ ullt. Neben der expliziten Form (26.4) k¨ onnen gew¨ohnliche Differentialgleichungen auch durch eine implizite Gleichung ψ(y , y, x) = 0. gegeben sein. Anmerkung 61 (Ableitungsnotation). Wir werden in den beiden folgenden Abschnitten sowohl die physikalische“, wie etwa v(t), ˙ als auch die mathe” ” ur die Ableitung verwenden. matische“ Notation y (x) f¨ Gew¨ ohnliche Differentialgleichungen besitzen i.Allg. immer eine Schar von L¨ osungen. Im Beispiel 44 w¨ ahlten wir davon eine konkrete L¨osung aus, indem wir spezielle Anfangswerte v0 und h0 zum Zeitpunkt t0 vorgegeben haben. Das Beispiel 44 ist keine Ausnahme und daher lohnt sich die Definition 29 (Anfangswertproblem). Um eine L¨osung y(x) der gew¨ohnlichen Differentialgleichung y (x) = ϕ(y, x)

(26.5)

eindeutig festzulegen, ben¨otigen wir den Anfangswert y(x0 ) = y0 .

(26.6)

Die gesuchte L¨osung y(x) des Anfangswertproblems erf¨ ullt daher sowohl die gew¨ohnliche Differentialgleichung (26.5) f¨ ur x ≥ x0 als auch die Anfangswertbedingung (26.6). Im Folgenden wollen wir L¨ osungen f¨ ur Anfangswertprobleme konstruieren. In Spezialf¨ allen k¨ onnen wir analytische L¨osungen angeben, wie in dem Beispiel 45 (Einfaches Populationsmodell). Das Anfangswertproblem y (x) = ϕ(y, x) := ay

mit

y(x0 ) = y0

und

a ∈ IR

(26.7)

beschreibt die zeitliche Entwicklung der Anzahl der Individuen y(x) einer Population in Abh¨ angigkeit von der Zeit x. In diesem Modell nehmen wir an, dass die Zerfalls- oder Wachstumsprozesse (a < 0 oder a > 0), also die Aboder Zunahme der Anzahl der Individuen y (x) zum Zeitpunkt x proportional

282

26 Gew¨ ohnliche Differentialgleichungen

zur vorhandenen Anzahl der Individuen y(x) ist. Wir bestimmen die zeitliche Entwicklung durch Integration mittels Trennung der Variablen x und y

und daher oder

dy dy = ay ⇐⇒ = a dx dx y  y  x dη = a dξ, y0 η x0 ln y − ln y0 = a(x − x0 ).

F¨ ur die L¨ osung gilt y(x) = y0 ea(x−x0 ) .

(26.8)

Jede L¨ osung der Differentialgleichung (26.7) hat die Form (26.8). Um eine eindeutige L¨ osung festzulegen, m¨ ussen wir den Anfangswert y(x0 ) = y0 vorgeben. Generell empfiehlt es sich, die gefundene L¨osung eines Anfangswertproblems durch eine Probe zu best¨ atigen. Wir u ¨ berlassen Ihnen dies in der ¨ Ubung 111. Zeigen Sie, dass die Funktionen y(x), definiert in (26.8), sowohl die Differentialgleichung (26.7) l¨ ost als auch den Anfangswert erf¨ ullt. Die beiden Beispiele 44 und 45 besitzen vergleichsweise einfach strukturierte rechte Seiten ϕ(y, x) und erlauben die Berechnung der L¨osung durch Integration. In anwendungsrelevanten Aufgabenstellungen ist dies i.Allg. nicht mehr der Fall. Eine generelle L¨ osungsmethode erschließt sich aus der Anmerkung 62 (Geometrische Interpretation). Wir k¨onnen die Konstruktion der L¨ osung eines Anfangswertproblems auf die folgende geometrische Aufgabe reduzieren: Wir betrachten die L¨ osung des Anfangswertproblems y(x) als eine Funktion in der xy-Ebene. Die gew¨ ohnliche Differentialgleichung (26.4) ordnet jedem Punkt (x, y) dieser Ebene genau die Tangentenrichtung (1, ϕ(y, x)) zu. Dieses Richtungsfeld tragen wir in die Ebene ein, wie z.B. in der Abb. 26.1. Die Grundidee besteht darin, beginnend vom Punkt (x0 , y0 ), der die Anfangswertbedingung repr¨ asentiert, eine stetige Linie zu zeichnen, die in jedem Punkt (x, y(x)) genau die durch das Richtungsfeld vorgegebenen Geraden als Tangenten besitzt. So wird z.B. die Tangente im Anfangswert durch die Gleichung g(x) = y0 + ϕ(y0 , x0 )(x − x0 ) (26.9) beschrieben. Ziehen wir entlang dieser Tangente einen Strich, erhalten wir angen¨ ahert einen Teil der L¨ osungskurve und gelangen zu einem zweiten Ausgangspunkt, f¨ ur den wir erneut die Tangente bestimmen k¨onnen. Mit dieser ¨ Methode k¨ onnen wir uns relativ einfach einen Uberblick u ¨ ber die L¨osungsvielfalt verschaffen und gewinnen einen qualitativen Eindruck sowohl u ¨ ber den

26.1 Numerische L¨ osungsverfahren

283

Abb. 26.1. Beispiel f¨ ur ein Richtungsfeld einer gew¨ ohnlichen Differentialgleichung.

Verlauf der L¨ osungsfunktion y(x) als auch den Definitions- und Wertebereich der Variablen x und y. Mittels der geometrischen Methode aus Anmerkung 62 wollen wir die L¨ osung f¨ ur das Beispiel 44 berechnen. In Abb. 26.2 zeigen wir das entsprechende Richtungsfeld der Differentialgleichung (26.1). Es zeichnet sich dadurch aus, dass es in jedem Punkt der Ebene die konstante Richtung (1, −g) hat. Wir erhalten die L¨ osung f¨ ur die Geschwindigkeit v(t), indem wir – ausgehend vom Anfangswert v(0) = 0, der durch den Punkt (0, 0) repr¨asentiert wird – dem konstanten Richtungsfeld folgen. Daher ist die Tangente an die gesuchte L¨ osung v(t) in dem Punkt (0, 0) genau die L¨osung des Anfangswertproblems. Nach (26.9) ergibt sich daher f¨ ur die L¨osung v(t) = 0 − g(t − 0) = −gt. Die L¨ osung v(t) ist die Gerade durch den Ursprung mit der Steigung −g. So anschaulich dieses einfache Beispiel auch ist, zeigt es aber die Grenzen der geometrischen L¨ osungsmethode auf: Die Qualit¨at der L¨osung h¨angt einerseits von der Anzahl der eingetragenen Richtungsvektoren und damit der Anzahl der Tangentenabschnitte und andererseits von der Dicke des verwendeten Bleistiftes ab. Daher ist sie f¨ ur anwendungsrelevante Probleme i.Allg. nicht ausreichend. Dennoch greifen wir auf die Grundidee im n¨achsten Abschnitt zur¨ uck und zeigen eine Vielzahl von L¨osungsans¨atzen auf, mit denen wir rechnergest¨ utzt gew¨ ohnliche Differentialgleichungen l¨osen k¨onnen.

26.1 Numerische L¨ osungsverfahren Um ein gegebenes Anfangswertproblem, festgelegt wie in Definition 29, numerisch zu l¨ osen, n¨ ahern wir die gesuchte L¨ osung y(x) durch eine st¨ uckweise

284

26 Gew¨ ohnliche Differentialgleichungen t

0

v

v(t)=-gt

Abb. 26.2. Das Richtungsfeld der Differentialgleichung (26.1) aus Beispiel 44 mit der L¨ osung v(t) = −gt f¨ ur das Anfangswertproblem.

lineare Funktion an. Wir w¨ ahlen die linearen Abschnitte dieses Ansatzes als Tangentenst¨ ucke der geometrischen L¨ osungsmethode aus Anmerkung 62 an das Richtungsfeld der zu l¨ osenden Differentialgleichung. Die Tangentenst¨ ucke konstruieren wir schrittweise. Wir starten mit dem Anfangswert (x0 , y0 ) und der zugeh¨ origen Tangente (26.9) und legen den Geltungsbereich dieses Tangentenabschnittes f¨ ur das Intervall [x0 , x1 ] mit x0 < x1 fest, siehe Abb. 26.3. Der Endpunkt des Geltungsbereichs (x1 , y0 + ϕ(y0 , x0 )(x1 − x0 )) ist zugleich der Ausgangspunkt f¨ ur das folgende Tangentenst¨ uck. Auf diese Weise erhalten wir eine Folge von N¨ aherungswerten yk an den vorgegebenen Stellen xk f¨ ur die exakten Funktionswerte y(xk ) mit 0 ≤ k ≤ n ∈ IN. Wir hangeln“ ” uns schrittweise durch das Richtungsfeld der Differentialgleichung von einem Punkt (xk , yk ) zum n¨ achsten (xk+1 , yk+1 ). Dieses Verfahren wurde von Euler erstmalig in den Werken Institutiones calculi integralis“, erschienen 1768 ” bis 1770, als L¨ osungsmethode f¨ ur Differentialgleichungen erster und h¨oherer Ordnung vorgeschlagen. Verwenden wir der Einfachheit halber in jedem Schritt die gleiche Schrittweite h > 0, dann lautet das Euler-Verfahren x[0] = x0; FOR k = 0, x[k+1] y[k+1] ENDFOR

y[0] = y0; ..., n-1: = x[k] + h; = y[k] + h * phi (y[k],x[k]);

Ein Schritt im Euler-Verfahren kostet zwei Additionen und sowohl eine Multiplikation als auch eine Funktionsauswertung. Die Gr¨oße der Schrittweite h ergibt sich aus dem Anfangswert x0 = a und dem Endwert xn = b, in dem wir die L¨ osung y(b) durch yn angen¨ ahert berechnen wollen. Bei a¨quidistanter Schrittweite erhalten wir h = (b − a)/n. Die Schrittweite h steuert

26.1 Numerische L¨ osungsverfahren

y1

285

y(x) y(x1 )

y0

x0

x1

Abb. 26.3. Der erste Schritt im Euler-Verfahren. Die L¨ osung y(x) wird durch die ahert. Tangente im Punkt (x0 , y0 ) angen¨

auch den Fehler, den wir bei dem Euler-Verfahren machen. Wir analysieren das Euler-Verfahren mit der Taylor-Entwicklung der L¨osungfunktion y(x) nach Anhang A.1 in dem Punkt x0 y(x1 ) = y(x0 + h) = y(x0 ) + hy (x0 ) +

h2 y (ξ) 2

(26.10)

mit dem Anfangswert y(x0 ) = y0 und dem Zwischenwert ξ ∈ [x0 , x1 ]. Vernachl¨ assigen wir den Term mit h2 , so erhalten wir wegen der vorgeschriebenen Differentialgleichung y (x0 ) = ϕ(y0 , x0 ) den ersten Schritt des Euler-Verfahrens f¨ ur die erste N¨aherung y1 ≈ y(x1 ). Daher machen wir einen Fehler in der Approximation der Funktion y(x) mit der Gr¨ oßenordnung O(h2 ). D.h., je genauer wir die Differentialgleichung approximieren wollen, desto kleiner ist h zu w¨ahlen und desto mehr Rechenaufwand m¨ ussen wir spendieren. In der Herleitung des Euler-Verfahrens in (26.10) haben wir die L¨osungsfunktion y(x) im Punkt x0 in eine Taylor-Reihe entwickelt. Verwenden wir dagegen den Punkt x1 , so erhalten wir analog zu dem obigen Algorithmus des Vorw¨ arts-Euler-Verfahrens das implizite oder R¨ uckw¨arts-Euler-Verfahren

286

26 Gew¨ ohnliche Differentialgleichungen

x[0] = x0; FOR k = 0, x[k+1] SOLVE: ENDFOR

y[0] = y0; ..., n-1: = x[k] + h; y[k+1] = y[k] + h * phi(y[k+1],x[k+1]);

Bei diesem Verfahren wird der neue“ N¨ aherungswert yk+1 implizit durch ” die Gleichung f (z) := z − yk − hϕ(z, xk+1 ) = 0 festgelegt. Die Nullstelle von f (z) k¨ onnen wir z.B. durch das NewtonVerfahren berechnen. Wir werden sp¨ ater den Vorteil des impliziten Verfahrens kennen lernen. Eine alternative Herleitung des Euler-Verfahren erhalten wir, wenn wir den Differentialquotienten y (x) durch den Differenzenquotienten Δy y1 − y0 dy ≈ = dx Δx x1 − x0

(26.11)

ersetzen. Betrachten wir die rechte Seite als N¨ aherung an y (x) im Punkt x0 , resp. x1 , so ergibt sich das Euler-, resp. R¨ uckw¨arts-Euler, -Verfahren. Dieser allgemeine L¨ osungsansatz, bei dem wir alle auftretenden Differentialquotienten n¨ aherungsweise durch Differenzenquotienten ersetzen, wird Finite-Differenzen-Methode genannt. Das Euler-Verfahren l¨ asst sich auch mittels Integration herleiten, wie wir zeigen in der Anmerkung 63 (Euler-Verfahren mittels Integration). Die Differentialgleichung (26.4) kann durch formale Integration in die Gleichung  x1  x1 y (x)dx = ϕ(y(x), x)dx (26.12) y(x1 ) − y(x0 ) = x0

x0

u uhrt werden. Um das Integral auf der rechten Seite von (26.12) zu be¨ berf¨ rechnen, k¨ onnen wir auf Integrationsmethoden aus dem Kapitel 15 zur¨ uckgreifen. N¨ ahern wir das Integral mit der Fl¨ ache des Rechtecks mit den Eckpunkten (x0 , 0), (x1 , 0), (x1 , ϕ(y0 , x0 )) und (x0 , ϕ(y0 , x0 )) entsprechend der Abb. 26.4 mittels  x1 ϕ(y(x), x)dx ≈ (x1 − x0 )ϕ(y0 , x0 ) x0

an, so erhalten wir ebenfalls das Euler-Verfahren. Den Zusammenhang aus Anmerkung 63 zwischen L¨osungen gew¨ohnlicher Differentialgleichungen und Quadraturregeln nutzen wir, um eine weitere Klasse von numerischen L¨ osungsverfahren zu konstruieren. Wir berechnen das Integral in (26.12) nicht mehr nur mit den beiden Intervallgrenzen, sondern beziehen weitere, schon bekannte Werte mit ein. Kennen wir z.B. die

26.1 Numerische L¨ osungsverfahren y

287

Φ (y(x),x)

x0

x1

x

Abb. 26.4. Zur Herleitung des Euler-Verfahren durch Integrationsregeln.

N¨ aherungswerte f¨ ur yk und yk+1 an den Stellen xk und xk+1 , so k¨onnen wir bei ¨ aquidistanter Schrittweite mit der Mittelpunktsregel  xk+2  xk+2 y(xk+2 ) − y(xk ) = y (x)dx = ϕ(y(x), x) dx xk

xk

≈ (xk+2 − xk ) ϕ(yk+1 , xk+1 ) herleiten. Den neuen“ N¨ aherungswert yk+2 berechnen wir mittels ” yk+2 = yk + 2hϕ(yk+1 , xk+1 ). Die Startwerte verschaffen wir uns z.B. mit dem Euler-Verfahren. Dies f¨ uhrt zu dem Verfahren x[0] = x0; y[0] = y0; x[1]=x[0] + h; y[1] = y[0] + h * phi(y[0],x[0]); FOR k = 1, ..., n-2: y[k+2] = y[k] + 2 * h * phi (y[k+1],x[k+1]); ENDFOR Abschließend stellen wir eine weitere Verallgemeinerungsm¨oglichkeit vor. Um eine h¨ ohere Approximationsgenauigkeit zu erreichen, liegt es nahe, bei der Herleitung sowohl des Euler- als auch des R¨ uckw¨arts-Euler-Verfahrens mittels Taylor-Reihenentwicklung weitere Entwicklungsterme zu ber¨ ucksichtigen. Wir leiten die ben¨ otigten h¨ oheren Ableitungen der gesuchten L¨osungsfunktion y(x) an der Stelle x0 bzw. x1 aus der gegebenen Differentialgleichung y (x) = ϕ(y, x) unter Verwendung der partiellen Ableitungen von ϕ(y, x) nach x und y ab. F¨ ur die zweite Ableitung ist z.B.

288

26 Gew¨ ohnliche Differentialgleichungen

d ∂ dy ∂ dy (x) = ϕ(y(x), x) = ϕ(y, x) + ϕ(y, x) dx dx ∂y dx ∂x ∂ ∂ ϕ(y, x)ϕ(y, x) + ϕ(y, x). = ∂y ∂x

y (x) =

Wir erhalten ein Verfahren mit h¨ oherer Genauigkeit, bei dem der Unterschied zwischen exakter L¨ osung und N¨ aherung von der Gr¨oßenordnung O(h3 ) ist yk+1 = yk + hy (xk ) +

h2 y (xk ) 2

= yk + hϕ(yk , xk )       ∂ h2 ∂ ϕ(y, x) ϕ(y, x) . ϕ(yk , xk ) + + 2 ∂y ∂x (yk ,xk ) (yk ,xk )

26.2 Gew¨ ohnliche Differentialgleichungen h¨ oherer Ordnung In Beispiel 44 leitet sich das System der beiden gew¨ohnlichen Differentialgleichungen (26.1) und (26.2) aus der allgemeinen physikalischen Bewegungsgleichung actio gleich reactio“ ab. Im Fall des konstanten Schwerefeldes ” entspricht dies der gew¨ ohnlichen Differentialgleichung zweiter Ordnung d2 h = a(t) := −g. dt2

(26.13)

In diesem Abschnitt stellen wir vor, wie wir gew¨ohnliche Differentialgleichungen h¨ oherer Ordnung dj y = y (j) (x) = Ψ (y (j−1) , . . . , y, x) dxj

(26.14)

mit j > 1 in ein gleichwertiges System von j gew¨ohnlichen Differentialgleichungen erster Ordnung u uhren und die im letzten Abschnitt besproche¨ berf¨ nen Verfahren zur L¨ osung heranziehen k¨ onnen. Wir f¨ uhren den Vektor u(x) = (u1 (x), . . . , uj (x))T ein und definieren die h¨ oheren Ableitungen als eigenst¨andige“ Funktionen ” u1 (x) := y(x),

u2 (x) := y (x),

...,

uj (x) := y (j−1) (x).

Mit dieser Transformation erhalten wir aus (26.14) das System von j Differentialgleichungen erster Ordnung

26.3 Fehleruntersuchung

⎛

⎞

⎛

289

⎞

u 1 u2 ⎜ .. ⎟ ⎜ ⎟ .. ⎟ ⎜ ⎟ ⎜ . u (x) = ⎜ . ⎟ = ⎜ ⎟ = ϕ(u, x) ⎝ u j−1 ⎠ ⎝ ⎠ uj u j Ψ (uj , . . . , u1 , x) mit den transformierten Anfangsbedingungen (j−1)

. . . , y (j−1) (x0 ) = y0 ⎛ ⎞ y0 ⎜ . ⎟ in u(x0 ) = ⎝ .. ⎠ .

y(x0 ) = y0 ,

(j−1)

y0

Im allgemeinen Fall k¨ onnen wir nun also eine vektorwertige Funktion origes Anfangswertproblem y(x) = (y1 (x), . . . , yn (x))T und ein zugeh¨ ⎛ ⎞ ⎛ ⎞ y1 (x) ϕ1 (y1 , . . . , yn , x) ⎜ ⎟ ⎜ ⎟ .. y (x) = ⎝ ... ⎠ = ϕ(y, x) = ⎝ ⎠ . yn (x)

ϕn (y1 , . . . , yn , x)

mit vorgegebenem Startvektor y(x0 ) betrachten; wir wenden dann die bisher beschriebenen skalaren L¨ osungsverfahren komponentenweisen an. Damit sind wir in der Lage, auch explizite Differentialgleichungen h¨oherer Ordnung zu l¨ osen. ¨ Ubung 112 (Herleitung der Bewegungsgleichungen). Leiten Sie aus (26.13) die Bewegungsgleichungen (26.1) und (26.2) f¨ ur das Beispiel 44 Freier ” Fall im konstanten Schwerefeld“ her.

26.3 Fehleruntersuchung Die L¨ osung y(x) des Anfangswertproblems (26.5) ersetzen wir beim EulerVerfahren und seiner geometrischen Interpretation nach Anmerkung 62 schrittweise durch eine st¨ uckweise lineare Funktion. In jedem Schritt machen wir durch diese Diskretisierung der L¨ osung y(x) mittels der Tangente (26.9) einen Fehler, dem wir einen Namen geben in der Definition 30 (Lokaler Diskretisierungsfehler). Diskretisierungsfehler verstehen wir den Fehler ek+1 := yk+1 − y (k) (xk+1 )

Unter dem lokalen

f¨ ur k ≥ 0,

(26.15)

den wir machen, wenn wir die L¨osungsfunktion y(x) schrittweise durch die L¨osung y (k) des lokalen Anfangswertproblems 

y (k) (x) = ϕ(y (k) (x), x)

mit y (k) (xk ) = yk

(26.16)

in den Teilintervallen [xk , xk+1 ] ersetzen, siehe Abb. 26.5. Wir vereinbaren weiterhin e0 := 0.

290

26 Gew¨ ohnliche Differentialgleichungen y

y2

y3

y4

y1

globaler Fehler

lokale Fehler

y0

x0 =a

x1

x2

x3

x4=b

x

Abb. 26.5. Zur Definition der lokalen Diskretisierungsfehler ek mit k ≥ 0 und deren Beitrag zum globalen Diskretisierungsfehler gn .

Die lokalen Diskretisierungsfehler ek+1 sind nach der Taylor-Entwicklung (26.10) von der Gr¨ oßenordnung O(h2 ). Wir m¨ ussen die Schrittweite h verkleinern, wenn wir die Werte yk+1 mit k ≥ 0 genauer berechnen wollen. Um den Wert yn in einem fest vorgegebenen Endpunkt b = xn zu erhalten, sind O(h−1 ) Euler-Schritte durchf¨ uhren. H¨ ohere Genauigkeit schl¨agt sich in einem h¨oheren Rechenaufwand nieder. Wir wollen den Fehler yn − y(xn ), den wir machen, nun analysieren. Definition 31 (Globaler Diskretisierungsfehler). Mit dem globalen Diskretisierungsfehler gk := yk − y(xk ) f¨ ur k ≥ 0 (26.17) bezeichnen wir die Differenz an den Stellen xk zwischen der gesuchten L¨osung y(x) des originalen Anfangswertproblems (26.5) und der Folge der konstruierten N¨aherungswerte yk mit k ≥ 0. Wir machen die Anmerkung 64. Die Definitionen 30 und 31 unterscheiden sich nur in der jeweiligen Referenzl¨ osung“ y (k) (xk+1 ) des lokalen Anfangswertproblems ” (26.16) bzw. y(x) des globalen Anfangswertproblems (26.5). Daran schließt sich die ¨ Ubung 113. Machen Sie sich klar, dass die beiden Definitionen 30 und 31 nur f¨ ur k = 1 zusammenfallen und daher g1 = e1 ist.

26.3 Fehleruntersuchung

291

Der globale Diskretisierungsfehler gk wird f¨ ur k > 1 i.Allg. vom lokalen Diskretisierungsfehler ek abweichen, wie wir in Abb. 26.5 exemplarisch studieren k¨ onnen. Mit dem globalen Diskretisierungsfehler bewerten wir die G¨ ute der konstruierten Approximation. Definition 32 (Konvergenz). Wir nennen ein L¨osungsverfahren eines Anfangswertproblems konvergent, wenn f¨ ur die L¨osungen an der Stelle b in exakter Arithmetik, d.h. ohne Rundungsfehlereinfluss, gilt: lim h→0, n→∞

yn = y(b).

Wir analysieren den globalen Diskretisierungsfehler gn , der bei der Konstruktion der L¨ osungsfolge yk mit k ≥ 0 auftritt, abh¨angig von der rechten Seite ϕ(y, x) und dem Anfangswert y0 . Da wir den Wert gn i.Allg. nur f¨ ur Spezialf¨ alle direkt berechnen k¨ onnen, f¨ uhren wir ihn auf die lokalen Diskretisierungsfehleranteile e0 , e1 , . . . , ek−1 , die bei der schrittweisen Konstruktion der Werte yk entstehen, zur¨ uck. Wir wenden den Mittelwertsatz auf die rechte Seite der Differentialgleichung q(y) := ϕ(y, xk ) zwischen den Stellen y(xk ) und yk an und folgern gk+1 := y(xk+1 ) − yk+1 h2 y (zk ) − (yk + hϕ(yk , xk )) 2 h2 = (y(xk ) − yk ) + h(ϕ(y(xk ), xk ) − ϕ(yk , xk )) + y (zk ) 2 ∂ϕ h2 = (y(xk ) − yk ) + h (wk , xk )(y(xk ) − yk ) + y (zk ) ∂y 2   ∂ϕ = 1 + h (wk , xk ) gk , +ek (26.18) ∂y

= y(xk ) + hϕ(y(xk ), xk ) +

mit geeigneten Zwischenstellen wk und zk . Wir zeigen f¨ ur das Beispiel 45 mit der L¨ osung y(x) = y0 exp(λx),

mit y0 > 0,

(26.19)

wie wir mit der Gleichung (26.18) den globalen Diskretisierungsfehler bestimmen k¨ onnen: ¨ Ubung 114. Zeigen Sie, dass die Gleichung (26.18) f¨ ur die rechte Seite ϕ(y(xk ), xk ) := λy gk+1 = (1 + hλ)gk + ek

f¨ ur k ≥ 0

(26.20)

lautet und f¨ ur den lokalen Diskretisierungsfehler nach (26.15) mit Hilfe der Taylor-Reihenentwicklung

292

26 Gew¨ ohnliche Differentialgleichungen

ek+1 = yk O((hλ)2 ) f¨ ur k ≥ 0

(26.21)

gilt. Der in jedem Schritt neu eingeschleppte, lokale Diskretisierungsfehler ek+1 wird nach (26.20) f¨ ur |1 + hλ| < 1 ged¨ ampft. Die L¨osung y(x) wird qualitativ korrekt approximiert. Wir verifizieren dies, indem wir die N¨aherungsl¨osungen mit den Euler-Verfahren berechnen: ¨ Ubung 115. Zeigen Sie, dass das Euler-Verfahren f¨ ur das Anfangswertproblem y (x) = λy mit y(x0 ) = y0 > 0 (26.22) aus Beispiel 45 die N¨ ahrungswerte yk = (1 + hλ)k y0 mit k ≥ 0

(26.23)

produziert. Ohne Einschr¨ ankung der Allgemeinheit w¨ahlen wir x0 = 0. Der globale Diskretisierungsfehler gk ergibt sich aus der Differenz der L¨osungswerte y(xk ) ¨ 115 aus (26.19) und der N¨ aherungswerte yk aus Ubung

 (26.24) gk = y0 exp(λhk) − (1 + hλ)k . Der globale Diskretisierungsfehler gk verschwindet nach (26.24) h¨ochstens dann, wenn sich beide Ausdr¨ ucke qualitativ gleich verhalten, d.h. f¨ ur x → ∞ entweder streng monoton wachsen oder fallen. Dies ist f¨ ur λ > 0 wegen h > 0 immer sichergestellt, da sowohl die Funktion exp(x) als auch das ur x → ∞ wachsen. Dagegen bildet f¨ ur λ < 0 das Monom xk die Monom xk f¨ exponentielle D¨ ampfung der Funktion exp(x) nur unter der Zusatzbedingung |1 + hλ| < 1

(26.25)

ab. Dieser Bedingung geben wir einen Namen in der Definition 33 (Stabilit¨ at). Die Stabilit¨ atsbedingung (26.25) garantiert f¨ ur das Euler-Verfahren, dass die L¨osung y(x) des Anfangswertproblems (29) dasselbe qualitative Verhalten hat, wie die Folge der N¨aherungsl¨osungen yk mit k ≥ 0. Daran schließt sich die ¨ Ubung 116 (Schrittweitenbegrenzung). Zeigen Sie, dass die Stabilit¨atsbedingung (26.25) zu    2 (26.26) λ > 0 oder λ < 0 und h <   λ a¨quivalent ist.

26.3 Fehleruntersuchung

293

¨ Wir k¨ onnen nach Ubung 116 die Schrittweite h nicht beliebig w¨ahlen und m¨ ussen die Bedingung (26.26) beachten: Wenn die Schrittweitenbegrenzung f¨ ur h nicht erf¨ ullt ist, kann der globale Diskretisierungsfehler gk nach (26.24) beliebig groß werden. Wir d¨ urfen f¨ ur das Euler-Verfahren im Fall λ < 0 keine Schrittweiten h gr¨ oßer als |2/λ| w¨ ahlen. Da wir, wie weiter oben schon uhren m¨ ussen, um yn zu berechnen, bemerkt, O(h−1 ) Euler-Schritte durchf¨ f¨ uhrt diese zus¨ atzliche, von dem Euler-Verfahren eingeschleppte Stabilit¨atsbedingung f¨ ur λ < 0 in vielen Anwendungsaufgaben zu nicht akzeptablem Rechenaufwand. Anmerkung 65 (Implizites Euler-Verfahren). Wir berechnen entsprechend (26.23) f¨ ur das implizite Euler-Verfahren die N¨aherungswerte yk =

y0 (1 − hλ)k

f¨ ur k ≥ 0.

Das implizite Euler-Verfahren erf¨ ullt unabh¨angig von der Schrittweite h f¨ ur λ < 0 die Stabilit¨ atsbedingung. Allerdings m¨ ussen wir pro Schritt eine Gleichung mit dem Newton-Verfahren l¨ osen. Abschließend weisen wir darauf hin, dass die Stabilit¨atsbedingung insbesondere f¨ ur Systeme von gew¨ ohnlichen Differentialgleichungen eine Einschr¨ ankung darstellt. Wir betrachten das Beispiel 46 (Steife Differentialgleichung). F¨ ur das System der gew¨ohnlichen Differentialgleichungen y1 (x) = λ1 y1 (x)

und

y2 (x) = λ2 y2 (x) mit λ2  λ1 < 0 lautet das Euler-Verfahren  k+1   k    y1 y1 λ1 y1k = +h y2k λ2 y2k y2k+1 Die beiden L¨ osungsfolgen y10 , y11 , . . . und y20 , y21 , . . . k¨onnten in diesem einfachen Fall voneinander entkoppelt berechnet werden. Diese Entkoppelung ist aber i.Allg. nicht m¨ oglich oder sinnvoll. Betrachten wir z.B. ein vektorare die Entkoppelung der einzelnen wertiges System y (x) = A(x)y(x), so w¨ Komponenten nur durch Diagonalisierung der Matrix A(x) m¨oglich! Daher wollen wir auch hier in diesem einfachen Fall das Euler-Verfahren simultan auf y1 und y2 anwenden. Dann erlaubt aber die Stabilit¨atsbedingung f¨ ur die Schrittweite h des Euler-Verfahrens nur h < min{2/|λ1 |, 2/|λ2 |} = 2/|λ2 |, wenn jeweils beide Komponenten das qualitativ richtige Verhalten f¨ ur x → ∞ zeigen sollen. Obwohl wir erwarten k¨ onnen, dass die zweite L¨osungsfolge weallt, beschr¨ ankt gerade diese Komponente gen λ2  λ1 < 0 schneller abf¨

294

26 Gew¨ ohnliche Differentialgleichungen

die Schrittweite h. In solchen F¨ allen ist es sinnvoll, z.B. auf das implizite Euler-Verfahren auszuweichen und den zus¨ atzlichen Rechenaufwand f¨ ur die Newton-Iteration in Kauf zu nehmen, da dann die Schrittweite h keiner Stabilit¨ atsbedingung unterliegt und gr¨ oßer gew¨ ahlt werden kann.

26.4 Anwendungsbeispiele 26.4.1 R¨ auber-Beute-Modell In diesem Abschnitt verallgemeinern wir das einfache Populationsmodell aus dem einf¨ uhrenden Beispiel 45. Wir untersuchen die Populationsdynamik von zwei Arten: Beutetieren x(t) und R¨ aubern y(t), siehe [6]. In den Jahren 1910 bis 1923 regten Beobachtungen der Fischpopulationen im Adriatischen Meer die Entwicklung eines mathematischen Modells an. Unter vereinfachenden Annahmen gelangen wir zu dem nichtlinearen Differentialgleichungssystem x(t) ˙ = ax − byx, y(t) ˙ = cxy − dy,

f¨ ur t0 ≤ t ≤ tn .

(26.27)

¨ Die zeitliche Anderung der Populationen x(t) ˙ und y(t) ˙ ist abh¨angig von der Anzahl von R¨ auber- und Beutetieren x(t) und y(t) mit entsprechenden Geburts- und Sterberaten. Die Variable a > 0 beschreibt die Geburtenrate der Beutetiere x und c die Sterberate der R¨ auber y. Sowohl die Sterberate b der Beutetiere x als auch die Geburtenrate c der R¨auber y ist proportional zum Produkt der momentanen Anzahl von Individuen x(t)y(t). Als Anfangswerte zur Zeit t = t0 nehmen wir an, dass x0 Beutetiere und y0 R¨ auber existieren x(t0 ) = x0 ,

y(t0 ) = y0 .

(26.28)

Wir verallgemeinern das Euler-Verfahren und ersetzen die rechten Seiten durch ein gewichtetes Mittel xi+1 − xi = λ(a xi+1 − b xi+1 yi+1 ) + (1 − λ)(a xi − b xi yi , ), τ yi+1 − yi = λ(c xi+1 yi+1 − d yi+1 ) + (1 − λ)(c xi yi − d yi ). τ

(26.29)

Der Parameter λ ∈ [0, 1] steuert dabei das Diskretisierungsverfahren: Wir erhalten f¨ ur λ = 0 als Spezialfall das Euler-Verfahren, f¨ ur λ = 1 das R¨ uckw¨artsEuler-Verfahren und f¨ ur λ = 1/2 das Crank-Nicolson-Verfahren. F¨ ur λ = 0 ist zur Bestimmung der Werte xi+1 und yi+1 in jedem Schritt das System (26.29) zu l¨ osen. Durch Addition der beiden mit c (obere Gleichung) bzw. b (untere Gleichung) multiplizierten Gleichungen erhalten wir die Beziehung

26.4 Anwendungsbeispiele

295

c(xi+1 − xi ) + b(yi+1 − yi ) = τ λ(acxi+1 − bdyi+1 ) + τ (1 − λ)(acxi − bdyi ) 1 ( c (τ λa − 1) xi+1 + ω ) , =⇒ yi+1 = (26.30) b + τ λbd mit ω = cxi + byi + τ (1 − λ)(acxi − bdyi ). Setzen wir (26.30) in die obere Gleichung (26.29) ein, folgt eine quadratische Gleichung f¨ ur die Bestimmung von xi+1 β2 x2i+1 + β1 xi+1 + β0 = 0 mit:

(26.31)

β0 = −xi − τ (1 − λ)(axi − bxi yi ) τ λω β1 = 1 − τ λa + 1 + τ λd τ λc (τ λa − 1) . β2 = 1 + τ λd

Wir berechnen mit dem Newton-Verfahren xi+1 , ausgehend von dem ussen sicherstellen, dass die richtige“ der beiden NullstelStartwert xi , und m¨ ” len gefunden wird. Mit Gleichung (26.30) k¨ onnen wir dann yi+1 berechnen. 26.4.2 Lorenz-Attraktor Wir betrachten das Differentialgleichungssystem x(t) ˙ = a(y − x) y(t) ˙ = bx − y − xz

(26.32)

z(t) ˙ = xy − cz. Die L¨ osung dieses Systems ist eine spiralf¨ ormige Kurve mit zwei Attraktoren, d.h. zwei Punkten, denen sich die L¨ osungskurve abwechselnd immer mehr ann¨ ahert, siehe Abb. 26.6. Dabei springt die Kurve in unregelm¨aßigen Abst¨ anden von einem Attraktor zum anderen. Diese Gleichung wurde von Lorenz eingef¨ uhrt, um die durch die Sonnenstrahlung angeregte Luftzirkulation in der Erdatmosph¨are zu beschreiben. Die L¨ osung dieses Problems h¨ angt dann nat¨ urlich von den gew¨ahlten Anfangswerten ab. Aus dem Verlauf der L¨ osung sehen wir aber, dass schon eine kleine Ver¨ anderung der Anfangswerte zu einem anderen Zweig“ der Kurve ” f¨ uhrt und zu einem anderem L¨ osungsverhalten in dem gefragten Zeitraum. Dies ist also ein Beispiel f¨ ur Unvorhersehbarkeit, die daraus resultiert, dass wir die Anfangswerte exakt kennen m¨ ussten, um eine glaubw¨ urdige Vorhersage f¨ ur einen sp¨ ateren Zeitpunkt machen zu k¨onnen. Wir beobachten chaotisches Verhalten.

296

26 Gew¨ ohnliche Differentialgleichungen

Abb. 26.6. 2D-Projektion des Lorenz-Attraktors als L¨ osung des Differentialgleichungssystems (26.32).

An diesem Beispiel werden die Herausforderungen einer brauchbaren Wettervorhersage deutlich. Wir k¨ onnen das poetisch so beschreiben, dass der Fl¨ ugelschlag eines Schmetterlings“ die Anfangswerte, z.B. f¨ ur eine Wetter” prognose, so ver¨ andern kann, dass sich zu einem sp¨ateren Zeitpunkt ein qualitativ anderes L¨ osungsverhalten, in diesem Fall das Wetter, ergibt, wie beschrieben in der Anmerkung 66 (Wintersturm Lothar, 1990). Automatische Messger¨ate meldeten in der Nacht vom 25. auf den 26. Dezember 1999, dass der Luftdruck u ¨ ber der Biskaya innerhalb von nur drei Stunden im Durchschnitt um ca. zwanzig Hektopascal gesunken war. Die Station Caen an der franz¨osischen Kanalk¨ uste beobachtete den extremen Luftdruckabfall von 27,7 Hektopascal zwischen 3 und 6 Uhr MEZ. Solche Werte sind laut Deutschem Wetterdienst, siehe www.dwd.de, noch nie in Kontinentaleuropa aufgetreten. Das großr¨ aumige Auftreten dieser extremen Druckabf¨alle verursachte hohe Windgeschwindigkeiten, wie z.B. 259 km/h auf dem Wendelstein in Oberbayern. Der Deutsche Wetterdienst hatte allerdings keine Sturmwarnung herausgegeben, da das Prognoseprogramm den extremen Luftdruckabfall als Messfehler interpretierte und einfach ignorierte, so als ob die Messger¨ate defekt gewesen w¨ aren. Dadurch wurden falsche Anfangswerte von den Differentialgleichungsl¨ oser des DWD benutzt. Die Wettervorhersage warnte daher nur vor Windgeschwindigkeiten bis zu 90 km/h. Der Schaden, den Lothar verursachte, wird in dreistellige Millionenh¨ ohe gesch¨ atzt. Mehrere Menschen starben sogar nachtr¨ aglich noch bei den Aufr¨ aumarbeiten. Wir k¨ onnten – im Anschluss an Kapitel 7 – auch davon sprechen, dass das Problem der Wettervorhersage sehr schlecht konditioniert ist, da kleinste ¨ Anderungen in den Eingabedaten zu qualitativ unterschiedlichen Ausgangsdaten f¨ uhren k¨ onnen.

26.4 Anwendungsbeispiele

297

26.4.3 Algebraische Differentialgleichungen und Chip-Design In Beispiel 23 von Kapitel 9 haben wir die einfachen Kirchhoff’schen Regeln benutzt, das Gesetz u ¨ ber die Summe der Str¨ome (Schleifen) und das Gesetz u ¨ ber die Summe der Spannungen (Maschen). Dies sind einfache lineare Gleichungen. Dazu kommen die Regeln u ¨ ber die Schaltkreiselemente wie Widerst¨ ande, Kondensatoren und Induktoren (immer noch linear), und nichtlineare Bedingungen f¨ ur Dioden und Transistoren. Zus¨atzlich enthalten diese Regeln die zeitlichen Ableitungen der Unbekannten, f¨ uhren also auf gew¨ ohnliche Differentialgleichungen. Wir bezeichnen mit q(x, t) die Ladung zum Zeitpunkt t, j(x, t) den Stromfluss und e(t) die von Außen angelegte Erregung. Weiterhin bezeichnet x = x(t) den unbekannten Vektor der Schaltkreisvariablen. Dabei wird z.B. – ein Widerstand R in dem zu untersuchenden Schaltkreis lokal beschrieben durch die Gleichung I = U/R – ein Kondensator mit der Kapazit¨ at C durch die Differentialgleichung I = C U˙ ˙ – und eine Spule mit der Induktivit¨ at L durch U = LI. Dann gilt q(x, ˙ t) + j(x, t) = e(t). Das bedeutet, eine Ladungs¨ anderung kann nur durch einen Strom und eine von Außen angelegte Erregung erfolgen. Im station¨ aren Fall (Gleichgewichtsfall, keine Ladungs¨anderung mit der Zeit, d.h. q˙ = 0) bei konstanter Erregung e(t) = e0 vereinfacht sich dies zu j(x0 ) = e0 . Lassen wir kleine Schwankungen zu, so erhalten wir q(x ˙ 0 + x(t)) + j(x0 + x(t)) = e0 + e(t) und in erster N¨ aherung

  ∂j  ∂q  x(t) ˙ + x(t) = e(t) ∂x x0 ∂x x0

oder C x(t) ˙ + Gx(t) = e(t). Dies ist eine gew¨ ohnliche Differentialgleichung und gleichzeitig kommen Matrizen C und G vor, die singul¨ ar sein k¨ onnen. F¨ ur den Spezialfall C = 0 vereinfacht sich die Differentialgleichung zu einem linearen Gleichungssystem; ist C regul¨ ar, so bleibt ein System von Differentialgleichungen. Wir sprechen hier wegen der Vermischung von linearem Gleichungssystem mit Differentialgleichungssystem von Algebraischen Differentialgleichungen. Der schwierige und interessante Fall ist dann gegeben, wenn die Matrix C singul¨ar ist.

27 Partielle Differentialgleichungen

Die Physik erkl¨art die Geheimnisse der Natur nicht, sie f¨ uhrt sie ” auf tieferliegende Geheimnisse zur¨ uck.“ C.F. von Weizs¨acker

27.1 Einleitung Wenden wir uns der numerischen Behandlung partieller Differentialgleichungen zu. Nach Definition 28 verkn¨ upfen partielle Differentialgleichungen Ableitungen nach mehreren unabh¨ angigen Variablen in einer Gleichung. Das Definitionsgebiet Ω einer partiellen Differentialgleichung ist eine Teilmenge eines mehr-dimensionalen Raumes, in dem wir eine spezielle L¨osungsfunktion numerisch ann¨ ahern m¨ ussen. Wir illustrieren Definition 28 und geben das Beispiel 47 (Laplace-Gleichung). Die Funktionenschar u(x, y) := sin(mπx) sin(nπy),

(x, y) ∈ Ω := [0, 1]2

(27.1)

mit den Parametern m, n ∈ IN l¨ ost die partielle Differentialgleichung zweiter Ordnung −Δu(x, y) = 0, ∀(x, y) ∈ Ω (27.2) mit dem Laplace-Operator −Δ := −∂xx − ∂yy . Die Gleichung (27.2) heißt daher auch Laplace-Gleichung. Die Funktionenschar (27.1) liefert die L¨ osung der Laplace-Gleichung (27.2), ¨ wie Sie in Ubungsaufgabe 140 zeigen k¨ onnen. Mit der Laplace-Gleichung (27.2) k¨ onnen wir Gleichgewichtszus¨ande beschreiben: In der Gravitationstheorie z.B. die Wechselwirkung des Newton’schen Potentials, in der Elektrodynamik die Verteilungen statischer elektrischer und magnetischer Felder, in der Hydrodynamik die Geschwindigkeitsverteilung inkompressibler und wirbelfreier Str¨omungen.

300

27 Partielle Differentialgleichungen

Die Laplace-Gleichung ist ein Beispiel einer partiellen Differentialgleichung zweiter Ordnung. Mit partiellen Differentialgleichung zweiter Ordnung lassen sich außer Gleichgewichtszus¨ anden sowohl Ausgleichsvorg¨ange, etwa von Energiedifferenzen mittels W¨ armeleitung, von Dichtedifferenzen mittels Diffusion, von Impulsdifferenzen mittels Fl¨ ussigkeitsreibung, von Spannungsdifferenzen mittels Elektrizit¨ atsleitung, als auch Schwingungsvorg¨ange, wie z.B. in der Akustik die Ausbreitung des Schalls, in der Elektrodynamik ver¨ anderliche elektrische und magnetische Felder, in der Optik die Ausbreitung des Lichts, u.¨ a. beschreiben. In diesem Kapitel wollen wir uns auf diese wichtige Klasse partieller Differentialgleichungen konzentrieren. Die mathematische Analyse partieller Differentialgleichungen zweiter Ordnung zeigt, dass es drei unterschiedliche Grundtypen von Gleichungen gibt, die sich qualitativ in den Eigenschaften ihrer L¨osungen unterscheiden. Wir geben das Beispiel 48 (Typeinteilung, Perron 1928). Damit das Differentialgleichungssystem ux − uy − vy = 0 und buy − vx + vy = f (x + y) mit den Anfangswerten u(0, y) = 0

und

v(0, y) = 0

mit b ∈ IR,

stetige L¨ osungen u und v besitzt, muss f¨ ur b < 0 die Funktion f analytisch sein (die Differentialgleichung ist dann vom elliptischen Typ), d.h. durch eine Potenzreihe darstellbar, f¨ ur b = 0 zweimal stetig differenzierbar (parabolischer Typ) und f¨ ur b > 0 stetig (hyperbolischer Typ). Wir unterscheiden partielle Differentialgleichungen von elliptischen, parabolischen und hyperbolischen Typ1 und halten dies fest in der Definition 34 (Normalformen Partieller Differentialgleichungen 2. Ordnung). Die drei Typen unterschiedlicher partieller Differentialgleichungen 2. Ordnung haben die Normalformen elliptisch − Δu = f, parabolisch ut − Δu = f und hyperbolisch utt − Δu = f. ur die erste und zweite Ableitung nach der Zeit t. Dabei stehen ut und utt f¨ 1

Die Namensgebung beruht nicht auf der Klassifikation der L¨ osungsfunktion u selbst, sondern auf der verwendeten Transformation, um eine der drei Grundtypen zu erreichen, siehe [25]. Der Typ h¨ angt weiterhin von den unabh¨ angigen Variablen ab und muss nicht notwendigerweise u ¨ ber das gesamte Gebiete Ω u ¨ berall derselbe sein.

27.1 Einleitung

301

Daran schließt sich die Anmerkung 67 (Zuordnung der Typen). Partielle Differentialgleichungen des elliptischen Typs beschreiben Gleichgewichtszust¨ande, solche des parabolischen Typs beschreiben Ausgleichsvorg¨ ange und des hyperbolischen Typs Schwingungsvorg¨ ange. Aussagen u osungen partieller Differentialgleichun¨ ber die Existenz von L¨ gen sind i.Allg. schwer aufzustellen, siehe [119]. Wie das Beispiel 47 der Laplace-Gleichung (27.2) zeigt, haben partielle Differentialgleichungen, wenn sie eine L¨ osung besitzen, h¨ aufig eine Schar von L¨osungen. Um aus der Menge der L¨ osungen einer gegebenen partiellen Differentialgleichung eine eindeutige L¨ osung zu erhalten, m¨ ussen zus¨ atzlich Anfangswert- und/oder Randwertbedingungen vorgeschrieben werden. Diese Vorgabe ist insbesondere f¨ ur die numerische Konstruktion einer L¨ osung von zentraler Bedeutung. Wir betrachten die ¨ Ubung 117 (Hadamard). Zeigen Sie: Das elliptische System partieller Differentialgleichungen2 ux + vy = 0,

uy + vx = 0

mit den Anfangswerten u(x, y) = 0,

v(x, y) = −

1 cos nx, n2

mit n ∈ IN, hat die L¨ osung 1 sin nx sinh ny, n2 1 v(x, y) = − 2 cos nx cosh ny. n

u(x, y) =

Aufgrund der unbeschr¨ ankten Funktionen sinh und cosh k¨onnen sich klei¨ ne Anderungen in den Anfangswerten mit n → ∞ sehr stark in der L¨osung auswirken. Die L¨ osung der partiellen Differentialgleichung h¨angt nicht stetig von den Anfangswerten ab. Da die Anfangswerte i.Allg. mit Rundungsfehlern behaftet sind, ist es nicht sinnvoll, die L¨ osung eines elliptischen Anfangswertproblems numerisch zu berechnen. Damit die L¨ osung stetig von den vorgeschriebenen Bedingungen abh¨angt, m¨ ussen wir entsprechend des Typs der partiellen Differentialgleichung unterschiedliche Bedingungen vorschreiben: Elliptische partielle Differentialgleichungen ben¨ otigen ausschließlich Randbedingungen. Bei parabolischen und 2

F¨ ur Systeme partieller Differentialgleichungen l¨ asst sich eine konsistente Typeneinteilung definieren.

302

27 Partielle Differentialgleichungen

hyperbolischen partiellen Differentialgleichungen m¨ ussen sowohl Anfangs- als auch Randwertbedingungen vorgegeben werden. Die Vorgabe der Bedingungen kann sich entweder auf die gesuchte Gr¨oße selbst oder auf eine ihrer Ableitungen beziehen. Je nachdem unterscheiden wir Dirichlet-Bedingungen, die die Funktionswerte am Rand vorschreiben, oder Neumann-Bedingungen, bei denen Funktionswerte und Ableitungen am Rande verkn¨ upft werden. Die Bedingungen werden auf dem Rand des Definitionsgebietes Ω vorgeschrieben und m¨ ussen nicht einheitlich sein. Anfangswertbedingungen entsprechen z.B. der r¨aumlichen Wellen- oder Temperaturverteilung a(x, y) oder deren Ableitungen zu einem gewissen Startzeitpunkt t0 . Damit k¨ onnen wir die weitere Verteilungsentwicklung berechnen. Dagegen beschreiben Randwertbedingungen g(t) den zeitlichen Verlauf der Verteilung oder deren Ableitung am Rand ∂Ω des Definitionsgebietes Ω. Leider lassen sich i.Allg. die L¨ osungen u partieller Differentialgleichungen nur in Ausnahmef¨ allen in geschlossener Form analytisch angeben. In [69] ¨ findet sich z.B. ein Uberblick u ¨ ber die geschlossen l¨osbaren Differentialgleichungen und ihre Konstruktion. Denn ein K¨ onigsweg zur Konstruktion von L¨osungen partieller Differentialgleichungen existiert (noch) nicht. Vor ca. 100 Jahren wurden gegebene partielle Differentialgleichungen mittels geeigneter Transformationen auf schon gel¨ oste partielle Differentialgleichung zur¨ uckgef¨ uhrt unter Anwendung der zu diesem Zeitpunkt schon relativ weit entwickelten Funktionentheorie. Wegen der Stagnation bei nichtlinearen partiellen Differentialgleichungen, schlug John von Neumann im Juni 1946 vor, einen digitalen Windkanal“ zu entwi” ckeln. Str¨ omungsmechanische Verh¨ altnisse sollten in einem Rechner simuliert werden. Um solche komplizierten Aufgabenstellungen anpacken zu k¨onnen, bedurfte es erst der Entwicklung leistungsf¨ ahiger Rechner3 . ¨ Parallel dazu, aber weniger von der Offentlichkeit beachtet, wurden immer effizientere L¨ osungsverfahren vorgeschlagen. Heute werden moderne, numerische Algorithmen mit leistungsf¨ ahigen Rechenanlagen kombiniert, um partielle Differentialgleichungen zu l¨ osen, und viele Anwendungen sind in erreichbare N¨ ahe ger¨ uckt, wie z.B. die Vorhersage der atmosph¨arischen Dynamik und damit der Wettererscheinungen, der Simulation von Fahrzeugzusammenst¨ oßen oder der Zirkulation der Ozeane. Um eine gegebene partielle Differentialgleichung einer numerischen L¨osung zug¨ anglich zu machen, wird die gegebene Aufgabe in einem ersten Schritt in ein lineares Gleichungssystem, das die Eigenschaften der partiellen Differentialgleichung in einem noch zu spezifizierenden Sinne m¨oglichst gut nachbildet, u uhrt. Dieser Schritt, allgemein als Diskretisierung bezeichnet, ist ein ¨ berf¨ mathematischer Aspekt der L¨ osung partieller Differentialgleichungen. In ei3

Den Startschuss daf¨ ur hat der Ingenieur Jack Kilby im Jahr 1971 gegeben. Er entwickelte den ersten integrierten Schaltkreis (Chip) bei Texas Instruments und ist daf¨ ur im Jahre 2000 mit dem Nobelpreis ausgezeichnet worden.

27.1 Einleitung

303

nem zweiten Schritt wird das aufgestellte Gleichungssystem gel¨ost. Prinzipiell haben wir in Kapitel 9 L¨ osungsmethoden bereit gestellt. Verwenden wir allerdings die vorgeschlagenen L¨ osungstechniken, so verschwenden wir unn¨otig Speicher und Rechenzeit. Die Bereitstellung effizienter Werkzeuge zur optimalen Nutzung vorhandener Ressourcen stellt einen Aspekt der L¨osung partieller Differentialgleichungen dar, der in den Bereich der Informatik f¨allt. Allgemein beruhen numerische L¨ osungsverfahren auf folgender Grundidee: Zun¨ achst stellen wir sicher, dass die gesuchte L¨osung eindeutig ist, indem wir z.B. konkrete, sich nicht widersprechende Anfangs- und/oder Randwertbedingungen vorschreiben. Die gegebene partielle Differentialgleichung soll sinnvoll gestellt sein und die zu konstruierende L¨osung muss im Wesentlichen nur einigen Differenzierbarkeitsanforderungen gen¨ ugen. Als L¨osungskandidaten stehen u ahlbar viele Funktionen aus dem Raum aller Funktionen, ¨ berabz¨ die die n¨ otigen Differenzierbarkeitsvoraussetzungen erf¨ ullen, zur Verf¨ ugung. Um das Problem einer rechnergest¨ utzten L¨osung zug¨anglich zu machen, m¨ ussen wir das unendlich-dimensional formulierte Problem in ein endlichdimensional definiertes Problem u uhren. In einem endlich-dimensionalen ¨ berf¨ Funktionenraum k¨ onnen wir eine Basis ausw¨ ahlen und die Koeffizienten zur Darstellung der L¨ osung abspeichern. Dieser Schritt entspricht der Diskretisierung. Wir erwarten, dass sich die L¨ osungen des diskretisierten Problems qualitativ wie die L¨ osungen des originalen Problems verhalten. Schließlich macht es keinen Sinn, L¨ osungen zu berechnen, die sich nicht aus dem urspr¨ unglichen Problem ableiten. Anmerkung 68. Der Typ einer partiellen Differentialgleichung hat einen wesentlichen Einfluss auf die Wahl des endlich-dimensionalen Funktionenraums, wie das Beispiel 48 zeigt. Weiterhin legt der Typ der Differentialgleichung den zugeh¨ origen L¨ osungsalgorithmus fest. Darauf gehen wir in diesem Kapitel allerdings nicht ein. Die Anzahl N der ausgew¨ ahlten Basisfunktionen bestimmt die Komat des L¨ osungsalgorithmus. Ist sichergestellt, dass wir es mit einer plexit¨ gen¨ ugend genauen Diskretisierung zu tun haben, bleibt – und das ist aus Sicht der Numerik der spannende Punkt – die Aufgabe, einen Algorithmus zur Berechnung der L¨ osung des diskreten N¨ aherungsproblems effizient in Rechenzeit und Speicher, d.h. in O(N ), anzugeben. Wir erwarten von diesem L¨ osungsalgorithmus, dass er uns Auskunft dar¨ uber gibt, wie gut wir in einem noch zu spezifizierenden Sinn die L¨ osung der originalen partiellen Differentialgleichung und deren Anfangs- und Randwertbedingungen erf¨ ullen. Nur in Spezialf¨ allen werden das diskrete und das originale Problem exakt u ¨ bereinstimmen. Daher werden wir i.Allg. nur N¨aherungsl¨osungen mit unterschiedlicher Genauigkeit berechnen k¨ onnen. Um genauere N¨aherungsl¨osungen zu erhalten, bietet es sich an, auf einer N¨aherungsl¨osung aufzubauen, um geeignetere Diskretisierungen des Problems anzugeben, mit der sich eine genauere N¨ aherungsl¨ osung berechnen l¨ asst. Diese adaptive Vorgehensweise,

304

27 Partielle Differentialgleichungen

abwechselnd eine N¨ aherungsl¨ osung zu berechnen und daraus eine neue Diskretisierung abzuleiten, ist Gegenstand der aktuellen Forschung, siehe dazu Abschn. 27.3.1. Wir unterscheiden drei wichtige Diskretisierungsmethoden: Finite-Differenzen-, Finite-Elemente- und Finite-Volumen-Methoden. Finite Differenzen. In Abschn. 27.2.1 stellen wir die Finite-Differenzen¨ Methode vor. Beim Ubergang zum diskreten Problem werden die in der partiellen Differentialgleichung auftretenden Differentialoperatoren durch Differenzenoperatoren ersetzt. Die Differenzenoperatoren werden an gewissen Gitterpunkten des Definitionsgebietes ausgewertet und die entsprechenden Funktionswerte als Koeffizienten abgespeichert. Finite Elemente. Bei Finiten-Element-Methoden wird die gegebene partielle Differentialgleichung in ein ¨ aquivalentes Variationsproblem umformuliert, siehe Abschn. 27.2.3. Mit diesem Ansatz k¨onnen wir die L¨osung der gegebenen partiellen Differentialgleichung als eine extremale L¨osung eines zugeh¨ origen Variationsproblems interpretieren. Wir definieren auf den Finiten Elementen, das sind Teilgebiete des Definitionsbereiches Ω, Test- und Ansatzfunktionen, deren Koeffizienten abgespeichert werden. Finite Volumen. Der Vollst¨ andigkeit halber geben wir schließlich noch die Grundidee der Finiten-Volumen-Methoden an, die hier nicht behandelt werden. Das Definitionsgebiet Ω der partiellen Differentialgleichung wird –¨ ahnlich wie bei der Finiten-Element-Methode – in eine endliche Anzahl von Teilgebieten zerlegt. In diesen Teilgebieten wird die gegebene partielle Differentialgleichung mittels Gauß’schem Integralsatz umformuliert. Die darin auftretenden Fl¨ usse koppeln die unterschiedlichen Teilgebiete u ander. Weitere Gleichungen ergeben sich aus dem ¨ ber gemeinsame R¨ Prinzip der Erhaltung in den einzelnen Teilgebieten, denn die Summe aller Zu- und Abfl¨ usse sowie Quellen und Senken muss verschwinden. Als Funktionswerte werden die Fl¨ usse u ¨ber die R¨ander abgespeichert. Wir deuten die unterschiedlichen Diskretisierungsmethoden in Abb. 27.1 an.

27.2 Diskretisierungsmethoden In diesem Abschnitt zeigen wir, wie eine gegebene partielle Differentialgleichung so formuliert werden kann, dass sie einer rechnergest¨ utzten L¨osung zug¨ anglich wird. Die partiellen Differentialgleichungen werden an einer endlichen Menge von Stellen ausgewertet und u ¨ ber lineare Gleichungen in Beziehung zueinander gesetzt. Es entstehen große lineare Gleichungssysteme. ¨ Die notwendigen Uberlegungen entwickeln wir f¨ ur die Finite-Differenzen- und Finite-Elemente-Methode an einem Modellproblem, das wir bereitstellen in der

27.2 Diskretisierungsmethoden

305

Finite−Differenzen−Methode Finite−Volumen−Methode Finite−Elemente−Methode

Abb. 27.1. Die Finite-Differenzen-, die Finite-Element- und die Finite-VolumenMethode im Vergleich: Die zu bestimmenden diskreten Werte sind beim FinitenDifferenzen-Ansatz Funktionswerte auf den Gitterpunkten, bei dem Finiten-Elemente-Modell Koeffizienten der Ansatzfunktionen auf den einzelnen Fl¨ achen und bei der Finiten-Volumen-Methode Gr¨ oßen, die den Austausch u ¨ ber die Kanten der einzelnen Volumina angeben.

Definition 35 (Modellproblem). Wir wollen die d-dimensionale Poisson-Gleichung mit Dirichlet-Randwertbedingungen (27.3) −Δu = f und u|∂Ω = g l¨osen. Die Funktion f beschreibt die Quellen und Funktion g die Randwerte des Modellproblems. Bei der Vorstellung der Diskretisierungsmethoden beginnen wir mit der historisch zu erst entwickelten Finiten-Differenzen-Methode, die erstmals in [25] besprochen wurde. 27.2.1 Finite Differenzen Bei der Methode der Finiten-Differenzen gehen wir von einer L¨osungsfunktion u aus, die sich in jedem Punkt ihres Definitionsgebietes in eine TaylorReihe entwickeln l¨ asst, siehe Kapitel A.1. Die L¨osung muss mindestens einmal mehr stetig differenzierbar sein, als die Ordnung der partiellen Differentialgleichung. F¨ ur das Modellproblem 35 bedeutet dies, dass die L¨osungsfunktion u im Gebiet Ω nach allen Raumrichtungen mindestens dreimal stetig differenzierbar sein muss. Wir k¨ onnen ein beliebiges Gitter u ¨ber das Definitionsgebiet Ω legen und f¨ ur jeden Gitterpunkt die in der partiellen Differentialgleichung enthaltenden Differentialoperatoren durch Differenzenoperatoren ersetzen. Wir geben ein Beispiel f¨ ur ein ¨ aquidistantes Gitter. F¨ ur das Definitionsgebiet Ω := [0, 1]2 verwenden wir die Diskretisierungspunkte (xi , yj ) mit xi = ih

und yj = jh,

0 ≤ i, j ≤ 1/h ∈ IN,

(27.4)

die in Abb. 27.2 f¨ ur die Parameter h = 1/2, h = 1/4, h = 1/8 und h = 1/16 zu sehen sind. Die zugeh¨ origen Funktionswerte k¨ urzen wir ui,j := u(xi , yj ) ab.

306

27 Partielle Differentialgleichungen

¨ Anmerkung 69. Aquidistante Gitter sind die einfachsten Beispiele strukturierter Gitter. Sie erlauben einen schnellen Zugriff auf die abgespeicherten Werte durch Speicherung der ben¨ otigten Werte in Feldern, deren Eintr¨age Elemente einer vorgegebenen Datenstruktur sind. Der Laplace-Operator −Δ besteht aus der Summe der zweiten Ableitungen in alle Raumrichtungen −Δu :=

d 

∂xi xi u.

(27.5)

i=1

Die Diskretisierung des d-dimensionalen Laplace-Operators k¨onnen wir auf die Summe der Diskretisierungen der zweiten Ableitungen ∂xi xi u in eine Richtung xi mit 1 ≤ i ≤ d zur¨ uckf¨ uhren. Nach dem Satz von Taylor gilt f¨ ur den Entwicklungspunkt mit xi -Komponente (xi )k = kh bei festgehaltenen anderen Variablen xj , j = i u((xi )k + h) = u((xi )k+1 ) = uk+1 = u((xi )k ) + huxi ((xi )k )

h2 ux x ((xi )k ) + · · · 2 i i

und

u((xi )k − h) = u((xi )k−1 ) = uk−1 = u((xi )k ) − huxi ((xi )k )

h2 ux x ((xi )k ) + · · · . 2 i i

F¨ ur den Differenzenoperator ∂xhi xi folgt als Approximation des Differentialoperator ∂xi xi uk−1 − 2uk + uk+1 h2 h2 ux x x x (ξ), = ∂xi xi uk + 24 i i i i

∂xhi xi uk :=

(27.6)

mit einem Zwischenwert ξ mit |ξ − xi,k | < h. Dieser Ansatz ist g¨ ultig f¨ ur viermal stetig differenzierbare Funktionen u. F¨ ur praktische Anwendungen ist das i.Allg. zu hoch. Wir erhalten z.B. f¨ ur den zwei-dimensionalen LaplaceOperator 4ui,j − ui,j+1 − ui,j−1 − ui−1,j − ui+1,j h2 1 − (uxxxx(ξ) + uyyyy (η)) . (27.7) 24 Entsprechendes ergibt sich f¨ ur den d-dimensionalen Laplace-Operator. Betrachten wir die letzte Gleichung (27.7); da s¨ amtliche vierte Ableitungen stetig sind, ist die L¨ osungsfunktion u in eine Taylor-Reihe entwickelbar. Ersetzen wir n¨ aherungsweise den Differentialoperator −Δu durch den Differenzenoperator Δh , so machen wir einen Fehler der Gr¨oßenordnung O(h2 ). Weil dieser Fehler von zentraler Bedeutung ist, geben wir ihm einen Namen in der −Δui,j =

27.2 Diskretisierungsmethoden

307

Definition 36 (Diskretisierungsfehler und Konsistenzordnung ). Der Unterschied zwischen Differential- und Differenzenoperator, ausgewertet an einer beliebigen Stelle des Definitionsgebietes Ω, heißt Diskretisierungsfehler. Die kleinste, f¨ uhrende Potenz gibt dabei die Ordnung des Diskretisierungsfehlers an und wird Konsistenzordnung genannt. Unter gewissen Bedingungen, auf die wir hier nicht eingehen k¨onnen, u agt sich die Konsistenzordnung auf die Genauigkeit der diskreten ¨ bertr¨ L¨osung. In diesem Fall ist dann die Differenz zwischen der L¨osung der partiellen Differentialgleichung u und der L¨ osung des diskreten Ersatzproblems ebenfalls eine Funktion des Diskretisierungsparameters h. Die f¨ uhrende Potenz gibt die Ordnung der Konvergenz an und stimmt i.Allg. mit der Konsistenzordnung u onnen die Genauigkeit der L¨osung mit der Ge¨ berein. Wir k¨ nauigkeit der Diskretisierung und daher mit dem Diskretisierungsparameter h steuern. h=1/2

h=1/4

h=1/8

h=1/16

Abb. 27.2. Gitter zu verschiedenen Maschenabst¨ anden h zu Beispiel 49.

Wir wollen dies f¨ ur das zwei-dimensionale Modellproblem 35 mit der L¨ osung u(x, y) := exp(x + y) (27.8) verdeutlichen, in dem Beispiel 49. F¨ ur die ¨ aquidistanten Diskretisierungen ergeben sich als L¨osungen der diskreten Probleme f¨ ur die Parameter h = 1/2, h = 1/4, h = 1/8 und h = 1/16 die in Abb. 27.3 linear interpolierenden Funktionen uh . Wir beachten, dass die Funktionswerte f¨ ur i = 0, j = 0, i = 1/h und j = 1/h jeweils durch Randwerte vorgeschrieben sind. Das sich ergebende ¨aquidistante Gitter ist in Abb. 27.2 zu sehen. F¨ ur die Anzahl der Freiheitsgrade N erhalten wir N = ((1/h) − 1)2 . In Tabelle 27.1 geben wir den maximalen

308

27 Partielle Differentialgleichungen

Betragsfehler ε und die Anzahl der Freiheitsgrade N in Abh¨angigkeit des Diskretisierungsparameters h an.

h=1/2

h=1/4

8

8

6

6

4

4

2

2

0 3

0 5 3

2

6 4

2 1

0

1

h=1/8

8

6

6

4

4

2

2

0 10

0 20 10 5 0

0

h=1/16

8

5

2

20

10

10 0

0

0

Abb. 27.3. Die linear interpolierenden L¨ osungen uh der diskreten Probleme f¨ ur h = 1/2, h = 1/4, h = 1/8 und h = 1/16.

¨ Ubung 118. Bestimmen Sie aus Tabelle 27.1 sowohl die Konsistenz- als auch Konvergenzordnung der Diskretisierung mittels ¨aquidistanten Gittern.

Tabelle 27.1. Der maximale Betragsfehler ε und die Anzahl der Freiheitsgrade N in Abh¨ angigkeit des Diskretisierungsparameters h. h 1/2 1/4 1/8 1/16

N 1 9 49 225

ε 7.1 · 10−3 2.1 · 10−3 5.4 · 10−4 1.4 · 10−4

Wir u ¨ berzeugen uns, dass der maximale Betragsfehler ebenso wie der Diskretisierungsfehler von der Gr¨ oßenordnung O(N −1 ) = O(h2 ) ist. Um den Fehler der diskreten L¨ osung zu verringern, m¨ ussen wir den Diskretisierungsparameter h > 0 verkleinern. Es stellt sich die Frage, welche Auswirkungen dies auf den L¨osungsalgorithmus hat. Wir speichern die Werte der N¨ aherungsl¨osung u an den Stellen

27.2 Diskretisierungsmethoden

309

des Gitters (xi , yj ) mit 0 ≤ i, j ≤ N in dem L¨osungsvektor u = (uk )1≤k≤N mit N Komponenten ab. Der Parameter N ist der Schl¨ ussel zur Quantifizierung des Speicherplatzbedarfs, des Rechenaufwands und der Genauigkeit. F¨ ur den d-dimensionalen Fall h¨ angt die Genauigkeit ε der N¨aherungsl¨osung mit N Diskretisierungpunkten bei einem ¨aquidistanten Gitter mittels ε = O(N −2/d )

(27.9)

zusammen. Die Genauigkeit ε ist nicht unabh¨ angig von der Dimensionsanzahl d: Mit zunehmender Dimension d nimmt die Verbesserung durch Erh¨ohung der Anzahl der Diskretisierungspunkte N ab. Dies ist als Fluch der Dimension4 bekannt. Unter Vernachl¨ assigung der Restglieddarstellung der Taylor-Reihe ist nach Gleichung (27.7) jeder Diskretisierungspunkt (xi , yj ) mit 0 ≤ i, j ≤ N mit seinen unmittelbar benachbarten Gitterpunkten u ¨ ber eine lineare Gleichung 4ui,j − ui,j+1 − ui,j−1 − ui−1,j − ui+1,j = h2 · fi,j

(27.10)

verkn¨ upft. Wir erhalten f¨ ur das gesamte diskretisierte Problem ein System von linearen Gleichungen. Um die Werte ui,j in einen Vektor zu verwandeln, f¨ uhren wir eine zeilenweise Nummerierung durch. Dadurch erhalten wir mit k = iN + j die gesuchten Koeffizienten in einem Vektor uk als L¨osung des Gleichungssystems mit Matrix 4

R. Bellmann verwendete den Begriff Fluch der Dimension erstmalig in Dynamic Programming 1957. Damit wird i.Allg. zum Ausdruck gebracht, dass die optimale Konvergenzordnung negativ von der Dimension d beeintr¨ achtigt wird.

310

27 Partielle Differentialgleichungen 0 −4 1 1 B .. . . B 1 .. .. . B B .. .. .. B B . . 1 . B B 1 −4 1 B B .. B 1 . −4 1 B B .. .. .. B . B 1 . . B B . .. .. .. B . . 1 B B B 1 B 1 1 −4 A := 2 B .. .. h B B . . B B . .. B B B .. B . B B B .. B . B B 1 B B B B B B @

1

..

. ..

. ..

. 1

..

..

. ..

..

. ..

..

. ..

.

. .

.

−4 1 . . 1 .. .. .. .. . . 1 1

C C C C C C C C C C C C C C C C C C C C C C C. C C C C C C C C C C C 1C C C C C C C C C 1A −4

(27.11)

Die Eintr¨ age am,n der Matrix A geben die Abh¨angigkeit zwischen den ussen wir das Gleichungssystem Koeffizienten un und um wider. Damit m¨ Au = b

(27.12)

l¨osen. Der Vektor b sammelt die Einfl¨ usse durch die Randwerte g und die Quellterme f der Modellgleichung 35. ¨ Ubung 119 (Rechte Seite). Berechnen Sie aus Gleichung (27.10) die explizite Darstellung der rechten Seite b des Gleichungssystems (27.12) aus den Quellterm- und Randwertfunktionen f und g. In Kapitel 9 haben wir einige Algorithmen zur L¨osung von linearen Gleichungssystemen bereitgestellt. Der vorgestellte Gauß-Algorithmus ben¨otigt zur Abspeicherung der in Gleichung (27.11) definierten Matrix O(N 2 ) Speicherpl¨ atze und zur L¨ osung des Gleichungssystems O(N 3 ) Rechenoperationen. ¨ Ubung 120. Geben sie den Zusammenhang in Gr¨oßenordnungen zwischen der Genauigkeit ε der L¨ osung des diskreten Problems und a) dem Rechenaufwand R sowie b) dem Speicherplatzbedarf S

27.2 Diskretisierungsmethoden

311

an. Interpretieren Sie die Ergebnisse. Aus datenverarbeitungstechnischer Sicht wollen wir diese Gleichungssysteme sowohl kompakt abspeichern als auch effizient l¨osen. Dabei lassen wir uns von folgendem Gedanken leiten: Der verf¨ ugbare Speicher sollte nur“ durch die Anzahl N der L¨osungskompo” nenten und nicht durch die Anzahl der N 2  N  1 Matrixeintr¨age zur Abspeicherung der Matrix A in einem N × N -Feld ersch¨opft werden. Denn sonst verschwenden wir den Speicherplatz durch den speziellen L¨osungsansatz, hier den Gauß-Algorithmus, der nicht zwingend durch das vorliegende Problem vorgeschrieben ist. Um dies bewerkstelligen zu k¨onnen, ver¨andern wir schrittweise den Gauß’schen L¨ osungsalgorithmus als Mutter“ aller L¨osungs” verfahren, indem wir spezielle Eigenschaften partieller Differentialgleichungen vorteilhaft verwenden. Wir untersuchen die gegebene Matrix aus Gleichung (27.11) etwas genauer. Alle von Null verschiedenen Eintr¨age an,m der Matrix A sind in einem Band der Breite w um die Hauptdiagonale gruppiert. Dies spiegelt eine allgemeing¨ ultige Eigenschaft partieller Differentialgleichungen wider: Die lokale Abh¨ angigkeit des Differentialoperators. Daher ist es nicht nur f¨ ur dieses Beispiel sinnvoll, nur diese lokalen Abh¨angigkeiten abzuspeichern und alle anderen Interaktionen, die wir im diskretisierten Problem nicht zu beachten haben, nat¨ urlicherweise nicht mit abzuspeichern. Dies bedeutet aus Sicht der Datenverarbeitung, dass wir dort keinen Speicherplatz spendieren, wo es f¨ ur die L¨ osung nicht notwendig ist. ¨ Ubung 121. Wie viel Speicherplatz k¨ onnen wir sparen, wenn wir anstatt der vollen N ×N -Matrix A nur eine Bandmatrix der Breite w ≤ N abspeichern? Interpretieren Sie das Ergebnis. Da im Rahmen des Gauß’schen L¨ osungsalgorithmus die Matrix A schrittweise durch Zeilenmanipulationen umgeformt wird und die sich neu ergebenden Eintr¨ age abgespeichert werden m¨ ussen, hilft die Abspeicherung der Matrix A als Bandmatrix nicht weiter. Verwenden wir die Gauß-Elimination ohne Pivotsuche zur L¨ osung√von (27.12), so transformiert sich A in eine Bandmatrix mit Bandbreite N . Damit reduzieren sich die Speicherkosten zu O(N 3/2 ) und es werden O(N 2 ) arithmetische Operationen zur L¨osung ben¨ otigt. Da uns die optimale Speicherplatzausnutzung wichtiger ist als die Verwendung des Gauß’schen L¨ osungsalgorithmus, gehen wir zu iterativen L¨osungsverfahren u ¨ ber. 27.2.2 Iterative L¨ osungsverfahren ur Bei einem Iterationsverfahren beginnen wir mit einer N¨aherung u0 f¨ die L¨ osung u des Gleichungssystems (27.12). Ausgehend von dieser ersten Sch¨ atzung erzeugen wir eine Folge von weiteren N¨aherungsl¨osungen u1 , u2 ,

312

27 Partielle Differentialgleichungen

. . . . Um eine weitere N¨ aherungsl¨ osung ui+1 zu berechnen, wenden wir eine noch festzulegende Iterationsvorschrift ui+1 = Φ(ui ) auf die jeweils aktuelle N¨aherungsl¨ osung ui mit i ≥ 0 an. Wir wiederholen die Iteration solange, bis die N¨ aherungsl¨ osung ui+1 das Gleichungssystem (27.12) hinreichend gut erf¨ ullt. Um dies festzustellen, pr¨ ufen wir, wie gut oder wie schlecht wir mit der aktuellen N¨aherungsl¨ osung ui+1 die rechte Seite b ann¨ahern. Ein naheliegendes Maß ist das Residuum r = Au − b. Wir versehen nun das Jacobi-Verfahren aus Abschn. 23.1 mit einem die Diagonale wichtenden Relaxationsparameter 0 = ω ∈ IR und w¨ahlen Dω := ω −1 diag(A) und setzen E := A − ω −1 diag(A) = A − Dω . Mit dem Parameter ω k¨ onnen wir, wie wir weiter unten noch sehen werden, die Iteration beschleunigen. Aus b = Au = (A − Dω + Dω )u erhalten wir dann die Iterationsvorschrift ui+1 = Dω−1 (b − Eui ) = Dω−1 (b − Eui − Dω ui + Dω ui ) = ui + Dω−1 (b − Aui ) = ui + Dω−1 ri

f¨ ur

i ≥ 0.

(27.13)

Um aus der alten“ N¨ aherungsl¨ osung ui die neue“ N¨aherungsl¨osung ui+1 ” ” berechnen zu k¨ onnen, m¨ ussen wir zun¨ achst das Residuum ri = b − Aui bereitstellen. Aus Gleichung (27.13) folgt die Iterationsvorschrift

 ui+1 = Φ(ui ) := I − Dω−1 A ui + Dω−1 b

f¨ ur

i ≥ 0,

(27.14)

wobei I die Einheitsmatrix repr¨ asentiert. Die Berechnung der L¨osung u des Gleichungssystems (27.12) reduziert sich auf eine Folge von Matrix-VektorProdukten und Vektor-Additionen. F¨ ur die Analyse des Iterationsverfahrens stellen wir eine weitere, wichtige Gleichung bereit. Analog zu (27.14) erhalten wir eine Beziehung zwischen aufeinanderfolgenden Residuen ri+1 = (I − ADω−1 )ri ,

f¨ ur

i ≥ 0.

(27.15)

Falls q := I − ADω−1  < 1 in einer vorgegebenen Norm ist, so verkleinert das Iterationsverfahren das Residuum mit jedem Iterationsschritt um einen Faktor q. Nach dem Banach’schen Fixpunktsatz konvergiert eine so konstruierte Folge von N¨ aherungsl¨ osungen ui mit 0 ≤ i dann gegen die L¨osung des Gleichungssystems u mit streng monoton fallender Residuumsnorm ri  ≤ q i r0 .

(27.16)

Aus Gleichung (27.16) ergibt sich die Forderung, dass der Wert des Reduktionsfaktors q so klein wie m¨ oglich sein soll. In der Praxis sollte der Wert von q nicht zu nahe bei Eins liegen, damit nicht zu viele Iterationen durchzuf¨ uhren

27.2 Diskretisierungsmethoden

313

sind. Wir brechen die Iteration ab, wenn die Residuumsnorm ri  der aktuellen N¨ aherungsl¨ osung ui eine vorgegebene Genauigkeitsgrenze unterschritten hat. Dies ist sp¨atestens bei Erreichen der Maschinengenauigkeit εmach der Fall. Denn dann ist die Norm des Residuum bis auf Maschinengenauigkeit gleich Null und die L¨ osung u ist gefunden. Best¨atigen Sie das in der ¨ Ubung 122. Zeigen Sie: Das Residuum r := b − Av ist genau dann Null, wenn v das Gleichungssystem (27.12) l¨ ost. Daran schließt sich die ¨ Ubung 123. Geben Sie die Anzahl der Iterationen n in Abh¨angigkeit der Maschinengenauigkeit εmach , des Startresiduums r0  und des Reduktionsfaktors q an, um das Residuum auf Maschinengenauigkeit genau berechnen zu k¨ onnen. Mit Hilfe der Gleichung (27.15) k¨ onnen wir den Reduktionsfaktor 0 ≤ q < 1 analysieren. Verwenden wir ein iteratives Verfahren, das aus einem Splitting A = A − M + M hervorgeht, so h¨ angt der sich ergebende Reduktionsfaktor q = I − AM −1  entscheidend von den Eigenschaften der Matrix I − AM −1 ab. Idealerweise m¨ ussten wir M := A w¨ahlen, denn dann w¨are q und damit das Residuum ri ab der ersten Iteration immer identisch gleich Null. Leider widerspricht das der Forderung nach der einfachen Invertierbarkeit der Matrix M . Damit der Reduktionsfaktor q klein wird, muss die Matrix M hinreichend gut die Matrix A approximieren. Die Wahl der Matrix M steht zwischen den beiden Polen hinreichend guter Approximation der Matrix A f¨ ur einen kleinen Reduktionsfaktor q und einfacher Invertierbarkeit f¨ ur eine schnelle Iteration. Wie die Praxis zeigt, sind diese beiden Forderungen nicht immer einfach zu vereinbaren. Mit Gleichung (27.15) l¨ asst sich der Reduktionsfaktor q quantitativ absch¨ atzen. Wir f¨ uhren die Analyse der Einfachheit halber f¨ ur das ein-dimensionale Modellproblem 35 durch und u berlassen den allgemeinen d-dimensio¨ ¨ nalen Fall als Ubungsaufgabe 141. Wir untersuchen im Folgenden die Wirkung der Iteration (27.18) f¨ ur ein ein-dimensionale Modellproblem 35 auf die Funktionen sin(kπx), k = 1, . . . , N , die an den Stellen j/N , j = 1, . . . , N , diskretisiert als Vektoren sin(kπj/N )j=1,...,N f¨ ur k = 1, . . . , N , vorliegen. Berechnen Sie zun¨achst die Matrix A und die rechte Seite b f¨ ur das ein-dimensionale Modellproblem in der ¨ Ubung 124 ( Ein-dimensionale“Varianten von A und b). Zeigen Sie, ” dass die ein-dimensionale“Variante der Matrix A in Gleichung (27.11) fol” gender Matrix A entspricht: ⎞ ⎛ −2 1 ⎟ ⎜ . . ⎟ 1 ⎜ 1 .. .. ⎟. ⎜ (27.17) A := 2 ⎜ ⎟ .. .. h ⎝ . . 1⎠ 1 −2

314

27 Partielle Differentialgleichungen

¨ Wie lautet ein-dimensionale“Variante der rechten Seite b aus Ubung 119? ” Stellen wir das Residuum mit diesen Vektoren als Basis dar, so k¨onnen wir den Einfluss der Matrix I − ADω−1 auf das Residuum ri mittels der FourierZerlegung N −1  ri (x) = rki sin(kπx) (27.18) k=1

studieren. Wir berechnen die Verst¨ arkung der einzelnen Frequenzanteile sin(kπx) mit 0 < k < N f¨ ur das Jacobi-Verfahren mit Relaxationsfaktor ω. ¨ Ubung 125. Rechnen Sie die Identit¨ at (I − ADω −1 )ri (x) =

N −1  



1 − ω + ω cos

k=1

πk N

 rki sin(kπx)

(27.19)

nach. Beachten Sie dabei, dass die Matrix Dω nur ein skalares Vielfaches der Einheitsmatrix ist. Der Reduktionsfaktor qk ist eine Funktion der Frequenzkomponente k und entspricht nach Gleichung (27.19) genau dem k-ten Eigenwert der Matrix I − ADω −1 . Durch Vergleich der Gleichungen (27.18) und (27.19) definieren wir     πk πk 2 qk := 1 − ω + ω cos = 1 − 2ω sin , mit 0 < k < N. (27.20) N 2N Das Residuum wird pro Iterationsschritt verringert, wenn wir die Reduktionsfaktoren qk f¨ ur 0 < k < N betragsm¨ aßig durch Eins beschr¨anken k¨onnen. Anderenfalls w¨ urde eine entsprechende Residuenkomponente von Iterationsschritt zu Iterationsschritt vergr¨ oßert werden und die Iteration divergieren. Daraus k¨ onnen wir folgern, dass der Relaxationsparameter ω der Bedingung 0<ω≤1

(27.21)

gen¨ ugen muss. Mit der betragsm¨ aßig gr¨ oßten Verst¨arkung der Residuenkomponenten k¨ onnen wir den Reduktionsfaktor q absch¨atzen: q := max qk 1
= 1 − ω + ω cos

π N

.

(27.22)

Der Reduktionsfaktor q wird f¨ ur alle zul¨ assigen ω von der niederfrequentesten Residuenkomponente k = 1 dominiert. Nur im Fall ω = 1 gilt wegen der Symmetrie der cos-Funktion q = q1 = qk . Der Wert des Reduktionsfaktors ist nach Gleichung (27.20) immer echt kleiner als 1. Das Residuum

27.2 Diskretisierungsmethoden

315

reduziert sich pro Iterationsschritt im Wesentlichen um den Faktor q1 . Da die Genauigkeit der Diskretisierung mit der Anzahl der Diskretisierungspunkte N zunimmt, ergibt sich im Grenzfall mit N → ∞ f¨ ur den Reduktionsfaktor q aus Gleichung (27.22) mit Hilfe eines Reihenentwicklungsansatzes  π 2 q → 1 − 2ω f¨ ur N → ∞. (27.23) 2N Je mehr Diskretisierungspunkte N f¨ ur die L¨osung spendiert werden, desto geringer f¨ allt die Reduktion des Residuums pro Iterationsschritt aus. Um dies zu verdeutlichen, berechnen wir die quantitative Abh¨angigkeit der Anzahl der Iterationsschritte n von dem Reduktionsfaktor q in der ¨ Ubung 126 (Anzahl der Iterationen). Zeigen Sie, dass asymptotisch 2 log(q0 ) 2 N f¨ ur N → ∞ (27.24) ωπ 2 Iterationen ben¨ otigt werden, um eine vorgegebene Reduktion 0 ≤ q0 < 1 der Norm des Startresiduums r0  zu erreichen. n := −

Das Ergebnis ist nicht ermutigend: Denn einerseits steuert die Anzahl der Diskretisierungspunkte N u ¨ ber die Gleichung (27.24) die Anzahl der Iterationen n um eine vorgeschriebene Reduktion des Residuums q0 zu erreichen und eine Genauigkeit der numerischen N¨ aherungsl¨ osung un zu garantieren. Andererseits wird u ¨ber die Gleichung (27.9) die prinzipiell erreichbare Genauigkeit der diskreten L¨ osung un festgelegt. Um ein verl¨assliches Resultat zu erhalten, m¨ ussen wir sowohl die Anzahl der Diskretisierungsparameter N hinreichend groß w¨ ahlen als auch die Anzahl der Iterationsschritte n. Da wir pro Iterationsschritt O(N ) Rechenzeit und insgesamt O(N 2 ) Iterationschritte ben¨otigen, erhalten wir die Komplexit¨ at O(N 3 ) f¨ ur den Gesamtrechenaufwand. Dies entspricht genau der Komplexit¨ at des Gauß’schen L¨osungsalgorithmus f¨ ur lineare Gleichungssysteme. Aufgrund der Endlichkeit der dargestellten Zahlen droht das Iterationsverfahren ab einem gewissen N0 sogar u ¨ berhaupt nicht mehr zu konvergieren. Verantwortlich f¨ ur dieses Siechtum der Iteration ist nach Absch¨atzung (27.22) die niederfrequenteste Residuenkomponente k = 1 der FourierZerlegung (27.18). Diese wird mit N → ∞ zunehmend schlechter ged¨ampft. Die hochfrequenten Residuenkomponenten k → N dagegen k¨onnen wir durch geschickte Wahl des Relaxationsparameters ω unabh¨angig von N st¨arker d¨ ampfen. In Abb. 27.4 sind die Reduktionsfaktoren qk in Abh¨angigkeit des Relaxationsparameters ω und der Residuenkomponenten k aufgetragen. ¨ Ubung 127. Zeigen Sie, dass durch die Wahl des Relaxationsparameters ur alle Reduktionsfaktoren qk mit N/2 < k < N erreicht werden ωopt := 2/3 f¨ kann max |qk | < 1/3. N/2
316

27 Partielle Differentialgleichungen 1

0.5

q

q, ω=2/3

0

−0.5

−1

q, ω=1

0

0.2N

0.4N

0.6N

0.8N

N

N

Abb. 27.4. D¨ ampfung der Residuumskomponente in Abh¨ angigkeit von k und ω f¨ ur k = 0, . . . , N und ω = 2/3 (kurz gestrichelt) und ω = 1 (lang gestrichelt, untere Kurve).

W¨ ahlen wir ω = ωopt , so werden die hochfrequenten Fehleranteile mit N/2 < k < N wesentlich st¨ arker ged¨ ampft als die niederfrequenten Fehleranteile mit 0 < k < N/2 siehe Abb. 27.5. Nach wenigen Iterationsschritten ist der hochfrequente Fehleranteil stark reduziert worden. Der Gesamtfehler wird nur noch von niederfrequenten Fehleranteilen dominiert. Zur Repr¨ asentation dieser niederfrequenten Fehleranteile gen¨ ugt ein gr¨ oberes Gitter, wie es in der Abb. 27.6 exemplarisch gezeigt wird. ¨ Der Ubergang von einem feineren Gitter mit N Diskretisierungspunkten zu einem gr¨ oberen Gitter mit N/g Diskretisierungspunkten, wobei 1 < g < N/2 ein Teiler von N ist, hat zwei wesentliche Vorteile: Erstens ben¨otigen wir statt N nur mehr N/g Diskretisierungspunkte um eine glatte Residuenkomponente darzustellen. Und zweitens relaxiert ein Jacobi-Schritt auf dem gr¨ oberen Gitter die entsprechende Residuenkomponente bedeutend schneller als auf dem urspr¨ unglichen, relativ feinen Gitter. Wir veranschaulichen dies in der Abb. 27.7. Um diese Beschleunigung quantitativ zu erfassen, repr¨asentieren wir den niederfrequenten Fehleranteil sin(kπx) mit 0 < k < N/2 sowohl auf dem feinen Gitter an den Stellen x = i/N mit 0 ≤ i ≤ N als auch auf dem groben Gitter an den Stellen x = j/(N/g) = gj/N mit i = jg, 0 ≤ j ≤ N/g. F¨ ur alle Punkte des groben Gitters gilt die Gleichung       i i i/g k sin kπ π = sin kπ = sin . (27.25) N N/g g N/g

27.2 Diskretisierungsmethoden it=0

it=4

317

it=8

0.02

0.02

0.02

0.01

0.01

0.01

0 0.02

0 0.02

0 0.02

0

0

0

−0.02 0.01

−0.02 0.01

−0.02 0.01

0

0

0

−0.01 0.01

−0.01 0.01

−0.01 0.01

0

0

0

−0.01 0.01

−0.01 0.01

−0.01 0.01

0

0

0

−0.01 0.01

−0.01 0.01

−0.01 0.01

0

0

0

−0.01

−0.01

−0.01

mode 1

mode 2

mode 4

mode 8

mode 16

mode 32

Abb. 27.5. Wirkung der ged¨ ampften Jacobi-Iteration auf verschiedene Residuenkomponenten.

x0

x1

x2

x3

x4

x5

x6

x7

x8

Abb. 27.6. Eine niederfrequente Sinuswelle wird durch N und N/2 Diskretisierungspunkte dargestellt.

Der Fehleranteil sin(kπx) erscheint auf dem feinen Gitter mit der Maschenweite 1/N als Residuenkomponente k und auf dem gr¨oberen Gitter mit der Maschenweite g/N als Residuenkomponente k/g. Entsprechend gl¨ attet ein Jacobi-Schritt auf dem feineren Gitter nach (27.20) mit dem Faktor 1 − 2ω sin2 (π/2N ) und auf dem gr¨ oberen Gitter mit dem Faktor 1 − 2ω sin2 (gπ/2N ) pro Iterationsschritt. Im Grenzfall f¨ ur große N bedeutet uhrt zu einer dies eine Verbesserung um ungef¨ ahr den Faktor g 2 − 1. Dies f¨ Reduktion der Iterationsschritte um den Faktor 1/(g 2 − 1).

318 1

27 Partielle Differentialgleichungen 0 Iterationen, q1

5 Iterationen, q1

1

1

0.8

0.8

0.8

0.6

0.6

0.6

0.4

0.4

0.4

0.2

0.2

0.2

0

1

0 0.2 0.4 0.6 0.8 1 0 Iterationen, q 2

0

0 0.2 0.4 0.6 0.8 1 5 Iterationen, q2

1

0

1

0.8

0.8

0.8

0.6

0.6

0.6

0.4

0.4

0.4

0.2

0.2

0.2

0

0 0.2 0.4 0.6 0.8 1

0

0 0.2 0.4 0.6 0.8 1

0

10 Iterationen, q1

0 0.2 0.4 0.6 0.8 1 10 Iterationen, q2

0 0.2 0.4 0.6 0.8 1

Abb. 27.7. Wir relaxieren niederfrequente Fehleranteile auf einem feinen (obere Zeile) und gr¨ oberen (untere Zeile) Gitter mit 5 und 10 Iterationsschritten. Auf dem groben Gitter wird der Fehleranteil deutlich schneller ged¨ ampft.

Wir geben eine anschauliche Erkl¨ arung: Beim Jacobi-Verfahren errechnet sich der neue“ Residuenwert ri+1 (x) nach der Iterationsvorschrift (27.15) ” als konvexe Summe des alten“ Residuenwertes ri (x) und des Mittelwertes ” seiner beiden Nachbarwerte ri (x − 1/N ) und ri (x + 1/N ) nach der Formel ri+1 (x) = (1 − ω)ri (x)ω

ri (x − 1/N ) + ri (x + 1/N ) . 2

(27.26)

Die Mittelwertbildung der unmittelbar benachbarten Residuenwerte nach Gleichung (27.26) f¨ uhrt daher zu einer Ausl¨ oschung von hochfrequenten Residuenkomponenten. Dagegen k¨ onnen niederfrequente Residuenkomponenten nur sehr langsam abgebaut werden, wie wir das in Abb. 27.8 an einem Beispiel studieren k¨ onnen. ¨ Wir fassen zusammen: Ubertragen wir eine glatte Residuenkomponente auf ein g¨ oberes Gitter mit der Maschenweite g/N , so kann die Mittelwertbildung u ¨ ber die g-fache Distanz wirken. Die entsprechend niederfrequenten Residuenkomponenten k¨ onnen somit effizient gegl¨attet werden. Denn der niederfrequenten Residuenkomponte k der urspr¨ unglichen Diskretisierung mit N Diskretisierungsparametern entspricht die Residuenkomponente k/g der gr¨ oberen Diskretisierung mit N/g Diskretisierungsparametern. Damit haben wir den Schl¨ ussel zu einem effektiven L¨osungsverfahren in der Hand. Denn es liegt folgende Idee nahe: Wir starten den Iterationsvorgang mit n so genannten Vorgl¨attungsschritten mittels Jacobi-Iteration mit dem

27.2 Diskretisierungsmethoden it=0

it=5

1000

500

it=10

20

20

10

10

0

0

−10

−10

−20

−20

0

−500

−1000

0

20

40

60

−30

0

20

40

60

−30

1.5

1.5

1.5

1

1

1

0.5

0.5

0.5

0

0

0

−0.5

0

20

40

60

−0.5

0

20

319

40

60

−0.5

Residuum

0

20

40

60

Lösung

0

20

40

60

Abb. 27.8. Verlauf des Residuums und der L¨ osung eines eindimensionalen Problems nach einigen Iterationsschritten.

Relaxationsparameter ω = ωopt auf dem problemangepassten feinen Ausgangsgitter mit N Diskretisierungspunkten. Wie wir oben gezeigt haben, wird das Residuum nach dem Vorgl¨ atten durch relativ niederfrequente Fehleranteile dominiert sein. Daher k¨ onnen wir diesen u ¨brigen Residuumanteil auf einem relativ gr¨ oberen Gitter mit z.B. N/2 Diskretisierungspunkten repr¨asentieren. ¨ Den Ubergang von einem Gitter zu einem relativ gr¨oberen Gitter bezeichnen wir als Restriktion. Dabei wird meist der neue Wert auf dem gr¨oberen Gitter durch Mittelwertbildung berechnet. In einer Dimension entspricht dies der Anwendung der einfachen Filtermaske [1 2 1] (vgl. Kapitel 19.4). Dieses erste vergr¨ oberte Gitter betrachten wir wiederum als ein feines Gitter f¨ ur eine zweite Restriktion und f¨ uhren daher auf dem vergr¨oberten Gitter eine Vorgl¨ attung durch. Anschließend wird der niederfrequente Fehleranteil auf ein noch gr¨ oberes Gitter mit N/4 Diskretisierungspunkten u ¨ bertragen. Wir wechseln Vorgl¨ atten und Restriktion solange ab, bis wir ein Gitter mit N = 2 Punkten erreicht haben. Dadurch erreichen wir, dass alle Fehlerkomponenten effizient reduziert werden k¨ onnen. Anschließend interpolieren wir sukzessive die so reduzierten Residuen auf die jeweils n¨achst feineren Gitter. Bei die¨ sem Ubergang tragen wir Interpolationsfehler in die Iteration ein, die wir bei der Analyse des Verfahrens nicht vernachl¨ assigen d¨ urfen. Diese Fehler gl¨atten

320

27 Partielle Differentialgleichungen

wir erneut mit m Jacobi-Gl¨ attungsschritten mit dem Relaxationsparameter ω = ωopt . Dies entspricht der so genannten Nachgl¨attung. Wir zeigen den Gitterdurchgang in Abb. 27.9. h

2h

4h

8h

16h

Abb. 27.9. Der wegen seiner V-f¨ ormigen graphischen Darstellung auch genannte V-Zyklus des Mehrgitteralgorithmus mit den Gitter¨ uberg¨ angen und Vor- und Nachgl¨ attungen.

Die Anzahl n der Vorgl¨ attungs- und m der Nachgl¨attungsschritte wird so eingestellt, dass der neu eingeschleifte Interpolationsfehler hinreichend gut ged¨ ampft wird. Wir erreichen eine effektive D¨ ampfung der glatten Fehleranteile unabh¨ angig von der Anzahl der Diskretisierungsparamter N . Die vorgestellte Reihenfolge der verschachtelten Operationen Vorgl¨attung, Restriktion, Interpolation und Nachgl¨ attung beschreibt einen Schritt des Mehrgitterverfahrens, der erstmals in [109] analysiert wurde. Das Mehrgitterverfahren unterscheidet sich von einem Schritt eines klassischen Verfahrens wie z.B. des Jacobi-Verfahrens durch die Abfolge von mehrstufiger Restriktion, Gl¨ attung und Interpolation, die wir unter dem Begriff Grobgitterkorrektur zusammenfassen. Wir wollen den Speicherplatzbedarf des Mehrgitterverfahrens f¨ ur ein ddimensionales Gitter mit n Diskretisierungspunkten in jeder Koordinatenrichtung absch¨ atzen in der ¨ Ubung 128 (Speicherplatzbedarf des Mehrgitterverfahrens). F¨ ur das feinste Gitter ben¨ otigen wir N = nd Gitterpunkte. Um die Grobgitterkorrektur durchf¨ uhren zu k¨ onnen, m¨ ussen Ergebnisse auf gr¨oberen Gittern mit (n/2)d , (n/4)d , . . . abgespeichert werden. Zeigen Sie, dass sich die Summe der Gitterpunkte mit 1 N ≤ 2N (27.27) 1 − 2−d absch¨ atzen l¨ asst.

27.2 Diskretisierungsmethoden

321

Die Aufgabe 128 zeigt, dass wir unabh¨ angig von der Dimension d nicht mehr als doppelt so viele Diskretisierungspunkte ben¨otigen. Ebenso k¨onnen wir f¨ ur die Anzahl der arithmetischen Operationen argumentieren: Wir ben¨ otigen O(N ) Rechenoperationen f¨ ur eine Grobgitterkorrektur. Da die Reduktion des Residuums unabh¨ angig von der Anzahl der Diskretisierungsparameter N ist, h¨ angt auch die Anzahl der durchzuf¨ uhrenden Iterationsschritte, um eine vorgegebene Reduktion des Residuums zu erreichen, nicht mehr von N ab. Wir haben einen L¨osungsalgorithmus f¨ ur das Modellproblem 35 angegeben, der linear sowohl in Rechenzeit als auch im Speicherplatz ist. Das Mehrgitterverfahren ist optimal in dem Sinn, dass die Anzahl der zur L¨ osung der betreffenden Gleichungssysteme erforderlichen Rechenoperationen proportional zur Anzahl der Unbekannten ist. Wir k¨ onnen die beschriebene Mehrgittermethode auch unter dem Aspekt der Filterung (Kap. 19.4 und 19.5) betrachten. Die Projektion auf das grobe Gitter entspricht der Anwendung eines Mittelwertfilters mit Maske [ 1 2 1 ]. Durch die vorausgegangenen Gl¨ attungsschritte ist der hochfrequente Anteil im Residuum so stark reduziert, dass wir den Differenzanteil vernachl¨assigen k¨onnen und den Vektor auch schon durch weniger Gitterpunkte gut darstellen k¨onnen. Die Anwendung von Hochpass- und Tiefpass-Filtern nach Abb. 19.6 reduziert sich daher auf die Ausf¨ uhrung der Mittelwertfilter. Es ergibt sich eine neue Darstellung auf dem gr¨ oberen Gitter. Die neuen Vektoren werden wieder gegl¨attet, und das Verfahren rekursiv wiederholt. Auf unterster Stufe wird das sich ergebende kleine Gleichungssystem exakt gel¨ost, und die L¨osungsvektoren wieder Level f¨ ur Level hoch projiziert auf die feineren Gitter, bis auf der obersten Stufe eine verbesserte L¨osung bereit steht. 27.2.3 Finite-Element-Diskretisierungen Eine weitere, wichtige Diskretisierungsmethode ist die Finite-Elemente-Methode. Diese Technik wurde im Wesentlichen von Ingenieuren entwickelt. Im Jahr 1956 wurde sie erstmalig als umfassendes N¨aherungsverfahren f¨ ur die gesamte Struktur- und Kontinuumsmechanik f¨ ur die Berechnung gefeilter Flugzeugtragfl¨ ugel bei dem Flugzeughersteller Boeing in Seattle eingesetzt. Die Finite-Elemente-Methode gliedert komplizierte Teile in einfache Abschnitte, die eine n¨ aherungsweise Berechnung des realen Bauteils erm¨oglichen. Hierbei wird ein idealisiertes Modell aus einfachen (endlichen) Bauelementen wie z.B. St¨ aben, Dreieckselementen oder Tetraedern, den sogenannten finiten Elementen, zusammengesetzt. Damit lassen sich Verformungen, mechanische Spannungen, Drehungen u.a. an komplizierten, analytisch nicht berechenbaren, belasteten Bauteilen ermitteln. Der Begriff Finite Elemente beschr¨ankt sich heutzutage nicht mehr auf Probleme der Festigkeitslehre, sondern steht f¨ ur ein allgemeines numerisches L¨ osungsverfahren. Wir geben eine spektakul¨are Anwendung in dem

322

27 Partielle Differentialgleichungen

Beispiel 50. Das Dach des M¨ unchner Olympiastadions, siehe Abb. 27.10, wurde Ende der sechziger Jahre mit Hilfe der Finiten-Element-Methode konstruiert. Die Struktur des Dachs, die sich unter Ber¨ ucksichtigung seines Eigengewichts oder des zus¨ atzlichen Gewichts einer Schneedecke ergeben w¨ urde, konnte so berechnet werden. Weiterhin konnten die durch den Wind auf die Tragseile wirkenden Kr¨ afte abgesch¨ atzt werden.

Abb. 27.10. Das an Seilen aufgeh¨ angte M¨ unchner Olympiastadion Dach wurde vor dem Bau mit der Finiten-Element-Methode analysiert.

In diesem Abschnitt befassen wir uns allerdings nicht mit einem so ehrgeizigen Ziel. Wir entwickeln die Finite-Element-Technik vielmehr an dem uns vertrauten Modellproblem (35). Der generelle Ausgangspunkt f¨ ur die Finite-Element-Methode ist ein Variationsproblem. Wir formen das Modellproblem (35) um: Durch multiplizieren mit einer beliebigen Funktion v ∈ V eines Funktionenraumes V und anschließendem Integrieren u ¨ ber das gesamte Definitionsgebiet Ω erhalten wir   vΔudx = vf dx ∀ v ∈ V. (27.28) − Ω

Ω

Die Gleichung (27.28) formen wir mittels des Gauß’schen Integrationssatzes um in    ∇v ◦ ∇udx = vf dx + v∂ν udS ∀ v ∈ V. (27.29) Ω

Ω

∂Ω

In dem Funktionenraum V sammeln wir alle die Funktionen v, f¨ ur die die Integrale aus Gleichung (27.29) definiert sind. Eine ausf¨ uhrliche Beschreibung dieser Sobolev-R¨ aume und ihrer Eigenschaften findet sich in [119]. Diese Umformulierung ist von zentraler Bedeutung. Daher f¨ uhren wir einige Abk¨ urzungen ein in der Definition 37. Im Folgenden wollen wir vereinbaren

27.2 Diskretisierungsmethoden

323

 ∇v ◦ ∇udx

a(v, u) :=

∀ u, v ∈ V

(27.30)

Ω



sowie



l(v) :=

vf dx + Ω

v∂ν udS

∀ v ∈ V.

(27.31)

∂Ω

Die Ableitung ∂ν u beschreibt die Ableitung in Richtung des Normalenvektor ν an den Rand ∂Ω. F¨ ur die Gleichung (27.28) ergibt sich a(v, u) = l(v)

∀ v ∈ V,

(27.32)

als variationelle oder schwache Formulierung des Modellproblems (27.3). Mit (27.30) wird ein abstraktes Skalarprodukt f¨ ur Funktionen v, u ∈ V definiert. Die variationelle Formulierung (27.32) hat gegen¨ uber der differentiellen Formulierung (27.3) eine attraktive Eigenschaft: Die Berechnung der L¨osung u l¨ asst sich als eine Suche nach einem Minimum in einem abstrakten Funktionenraum interpretieren. Dies machen wir uns klar in dem Theorem 8 (Minimierungseigenschaft der schwachen Formulierung). Das Funktional J(v) :=

1 a(v, v) − l(v) 2

(27.33)

nimmt sein Minimum u genau dann in V an, wenn Gleichung (27.32) erf¨ ullt ¨ ist. Den einfachen Beweis ¨ uberlassen wir als Ubungsaufgabe 142. Anmerkung 70. Diese mathematische Minimierungseigenschaft ist eine Folge eines physikalischen Energieprinzips, denn station¨are L¨osungen nehmen stets ein relatives Energieminimum an. Viele physikalische Aufgabenstellungen werden in Form von Variationsproblemen gestellt. Der Umweg u ¨ ber die Formulierung als ein differentielles Problem erscheint als mathematische K¨ ur. Die variationelle Formulierung (27.32) ist der Ausgangspunkt f¨ ur die Diskretisierung. Wir nehmen an, dass die L¨ osung u des variationellen Problems im Ansatzraum u ∈ A ⊂ V liegt. Wir ersetzen die beiden unendlichdimensionalen Funktionenmengen A und V durch endlich-dimensionale Funkahlen wir AN = VM , so sprechen wir von einer tionenmengen AN und VM . W¨ Ritz-Galerkin-Diskretisierung. Im allgemeinen Fall mit AN = VM von einer Petrov-Galerkin-Diskretisierung. Als Beispiel f¨ ur die Wahl des Ansatzraumes AN und des Testraumes VM zeigen wir die ein-dimensionale Standard-H¨ utchen-Basis, siehe Abb. 27.11. Die L¨ osung uN ∈ AN erhalten wir aus der diskretisierten variationellen Formulierung a(vM , uN ) = l(vM ) ∀vM ∈ VM . (27.34)

324

27 Partielle Differentialgleichungen 1

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0

0

0.5

1

1.5

2

2.5

3

3.5

4

4.5

5

Abb. 27.11. Die ein-dimensionale Standardh¨ utchen-Basis f¨ ur den Ansatzraum AN und den Testraum VM .

Formal gesehen ergibt sich Gleichung (27.34) aus Gleichung (27.32), indem wir den Ansatzraum A durch AN und den Testraum V durch VM ersetzen. Wir veranschaulichen den Zusammenhang der L¨osung u der Gleichung (27.32) und der L¨ osung uN der Gleichung (27.34) in der Abb. 27.12. V u

uN

VN

Abb. 27.12. Eine geometrische Interpretation der Finiten-Element-Methode: Die Orthogonalprojektion der gesuchten, exakten L¨ osung u ∈ V liefert die numerische N¨ aherungsl¨ osung uh ∈ Vh in dem endlich-dimensionalen Unterraum Vh .

Die L¨ osung uN ∈ VM k¨ onnen wir als Bestapproximation der L¨osung u ∈ V interpretieren, siehe auch Anhang B.5. Dazu m¨ ussen wir noch zeigen, dass die Bilinearform a(., .) ein Skalarprodukt ist. Dies u ¨ berlassen wir in der

27.2 Diskretisierungsmethoden

325

¨ Ubung 129. Zeigen Sie: Durch die Bilinearform a(., .) aus Gleichung (27.30) wird ein Skalarprodukt vermittelt. Um die Funktionen uN und vM in einem Rechner darstellen zu k¨onnen, f¨ uhren wir die beiden Funktionenbasen {aj ∈ V |0 ≤ j ≤ N } f¨ ur den Ansatzraum AN und {ti ∈ V |0 ≤ i ≤ M } f¨ ur den Testraum VM ein. Jede Funktiasentation on uN ∈ AN hat dann eine eindeutige Repr¨ uN =

N 

u j aj

(27.35)

j=0

Diese Darstellung aus Gleichung (27.35) setzen wir in Gleichung (27.32) ein und erhalten N  uj a(ti , aj ) = l(ti ) ∀ ti ∈ VM . (27.36) j=0

Die Gleichungen (27.36) stellen ein lineares Gleichungssystem Au = b

(27.37)

f¨ ur den Vektor u der Koeffizienten ui der gesuchten N¨aherungsl¨osung uN dar. F¨ ur die Matrix A und die rechte Seite b erhalten wir aus Gleichung (27.36) A = (a(ti , aj ))0≤j≤N,

0≤i≤M

und

b = (l(ti ))0≤i≤M .

(27.38) (27.39)

¨ Ubung 130. Berechnen Sie die Eintr¨ age der Matrix A f¨ ur die ein-dimensionale Standard-H¨ utchen-Basis, wie sie in Abb. 27.11 definiert ist. Wir stehen vor der Aufgabe, das Gleichungssystem (27.36) effizient zu l¨osen. Dazu k¨ onnen wir den Gauß-Algorithmus, ein klassisches Iterationsverfahren oder das eine Modifikation des oben eingef¨ uhrten Mehrgitterverfahren verwenden. An dieser Stelle wollen wir die Eigenschaft des Energieminimums der ¨ L¨osung u der variationellen Ausgangsgleichung (27.32) aus Ubung 8 nutzen. Diese energieminimale Interpretation trifft auch f¨ ur die diskrete variationelle Formulierung (27.36) zu. ¨ Ubung 131 (Energieminimum des diskreten variationellen Problems). Zeigen Sie, dass die in (27.38) definierte Matrix A positiv definit ist. Unter dieser Voraussetzung gilt wie bei Theorem 8: Die L¨ osung uN des linearen Gleichungssystems (27.36) minimiert das diskrete Funktional JN (v) := 1/2 v T Av − bT v,

mit v ∈ VM .

(27.40)

ur das Minimum uN an. Geben Sie den Wert des Funktionals JN f¨ F¨ ur positiv definite Matrizen A ist die Bestimmung der L¨osung des Gleichungssystems (27.37) mit dem Aufsuchen eines Minimums nach Gleichung (27.40) a ¨quivalent. Wir verweisen auf die Verfahren aus Abschn. 22.

326

27 Partielle Differentialgleichungen

27.3 Weitere Beschleunigungsmethoden In diesem Kapitel wollen wir noch zwei weitere Ideen vorstellen, wie wir die numerische L¨ osung weiter beschleunigen k¨ onnen. Diese stellen auch aus Sicht der Datenverarbeitung interessante Probleme dar. 27.3.1 Adaptivit¨ at In Abschnitt 27.2 haben wir gelernt, dass die Genauigkeit ε einer diskreten L¨ osung mit der Anzahl des Diskretisierungspunkte N u ¨ ber eine Gleichung der Art (27.41) ε = O(N α ) mit einem 0 > α ∈ IR zusammenh¨ angt. So haben wir z.B. in Tabelle 27.2 den maximalen Betragsfehler ε der Anzahl der Freiheitsgrade N gegen¨ uber gestellt. Da wir das Ausgangsproblem so genau wie m¨oglich berechnen wollen, interpretieren wir die Genauigkeit ε im Folgenden als Nutzen einer Diskretisierung. Dem gegen¨ uber stehen die Kosten des L¨osungsalgorithmus, der Speicherplatz ben¨ otigt und Rechenzeit verwendet. K¨onnten wir jedem dieser Diskretisierungspunkte ein Kosten-Nutzen-Verh¨altnis zuschreiben, dann l¨ age es nahe, nur die Diskretisierungspunkte zu verwenden, die relativ viel zur Genauigkeit betragen, und die Diskretisierungspunkte wegzulassen, die nur unn¨ otig Speicher und Rechenzeit verschwenden. Um diesen ¨okonomischen Aspekt in die Diskretisierung einbringen zu k¨onnen, ben¨otigen wir einen Fehlersch¨atzer, der jedem Diskretisierungspunkt ein Kosten-NutzenVerh¨ altnis zuschreibt. Es gibt viele Ans¨ atze f¨ ur Fehlersch¨atzer, die wir hier ¨ nicht aufz¨ ahlen k¨ onnen. Einen Uberblick gibt [115]. Ein nahe liegendes Maß ist z.B. eine bestimmte Ableitung in dem Diskretisierungspunkt. Dabei gehen wir von der Vorstellung aus, dass Bereiche mit relativ großen Ableitungen st¨ arker aufgel¨ ost werden m¨ ussen als Bereiche, die relativ glatt sind, um ein bestimmten Fehler ε kontrollieren zu k¨onnen. Wir k¨ onnen so das Gitter an die spezielle Struktur der zu l¨osenden partiellen Differentialgleichung anpassen. Wir sprechen in diesen Zusammenhang von Adaptivit¨at. Prinzipiell unterscheiden wir zwei Arten von Fehlersch¨atzern: die aprioriund die aposteriori-Fehlerscha¨tzer5 . Ein apriori-Fehlersch¨ atzer leitet aus der speziellen Differentialgleichung, den Anfangs- und Randwertvorgaben die Bereiche sensibler Aufl¨osung ab und verdichtet dort die Diskretisierungspunkte. Danach wird die L¨osung berechnet. Die Feinheit des Gitters ist fest vorgegeben. In Abb. 27.13 sehen wir ein vor der numerischen Rechnung erzeugtes Gitter. Im Gegensatz dazu wird bei einem aposteriori-Fehlersch¨atzer zun¨achst eine L¨ osung auf einem relativ groben Gitter berechnet. Anschließend zeigt 5

apriori = lat. vorher; aposteriori = lat. nachher

27.3 Weitere Beschleunigungsmethoden

327

Abb. 27.13. Adaptive Diskretisierung mit feinerem Gitter in der N¨ ahe des kritischen Knickbereichs.

der Fehlersch¨ atzer die Bereiche an, in denen es sich lohnt, weitere Diskretisierungspunkte einzuf¨ ugen, und wo wir ggf. sogar Diskretisierungspunkte wieder herausnehmen k¨ onnen. Die zugrunde liegende Datenstruktur muss solche Einf¨ uge- und Herausnahmeoperationen effizient unterst¨ utzen k¨onnen. Der L¨ osungsalgorithmus wird solange das Gitter verfeinern und die entsprechende L¨ osung berechnet, bis eine vorgegebene Genauigkeit ε0 unterschritten wird. Das ist ein großer Vorteil, denn h¨ aufig wissen wir nicht im Vorhinein, wo wir die Diskretisierungspunkte geschickt zu verteilen haben. Auch h¨angt die optimale Gittergenerierung ganz davon ab, f¨ ur welches Fehlermaß wir uns interessieren. Diese Arbeit kann ein selbstadaptiver Algorithmus u ¨bernehmen, den wir hier angeben. [Der selbst-adaptive Algorithmus] konstruiere grobes Startgitter G[0]; n = 0; DO loese diskretes Problem fuer Gitter G[n]; schaetze Kosten/Nutzen-Beitraege mit dem aposteriori-Fehlerschaetzer; fuege dem Gitter G[n] an den angezeigten Stellen neue Gitterpunkte hinzu, daraus entsteht dann das Gitter G[n+1]; n = n + 1; UNTIL ( "geschaetzer Fehler" > epsilon[0] ) \\ n = Anzahl der Verfeinerungsschritte

328

27 Partielle Differentialgleichungen

Dieser selbstadaptive Algorithmus k¨ onnte z.B. in der Wettersimulation sinnvoll eingesetzt werden. In der N¨ ahe der berechneten Wetterfronten k¨onnte der Algorithmus automatisch mit einer verfeinerten Gitteraufl¨osung nachiterieren. Es konnte gezeigt werden, dass derartige selbstadaptive Verfahren die ben¨ otigten Rechenzeiten um einen Faktor 100 reduzieren konnten. Aus diesem Beispiel wird klar, dass es sich bei der Adaptivit¨at um ein zus¨ atzliches Prinzip zum Beschleunigen von L¨ osungsalgorithmen handelt. 27.3.2 Parallelit¨ at Die Parallelisierung ist ein universelles Werkzeug zur Beschleunigung von Algorithmen. Wie wir dieses Werkzeug f¨ ur die numerische L¨osung partieller Differentialgleichungen nutzen k¨ onnen, stellen wir in diesem Abschnitt vor. Aufgrund der lokalen Eigenschaft der Differentialoperatoren wirken sich Randbedingungen und Quellterme immer nur auf benachbarte Diskretisierungspunkte aus. Daher erlaubt die L¨ osung partieller Differentialgleichungen einen hohen Grad an Parallelit¨ at. Um eine partielle Differentialgleichung zu l¨ osen, k¨ onnen wir das urspr¨ ungliche Definitionsgebiet Ω in zusammenh¨angende Teilgebiete Ωi , 1 ≤ i ≤ p, zerlegen. In Abb. 27.14 geben wir ein Beispiel f¨ ur eine Gebietszerlegung an.

Ω1

Ω2

Abb. 27.14. Gebietszerlegung, rechtsschraffiert Gebiet Ω1 , linksschraffiert Ω2 .

Auf jedem dieser Teilgebiete Ωi l¨ osen wir die gegebene Differentialgleichung. Wir ben¨otigen f¨ ur jedes Teilgebiet Ωi Randwertbedingungen. F¨allt der Rand von Ωi mit dem Rand von Ω zusammen, dann w¨ahlen wir die vorgegebene Randwertbedingung. Ist dies nicht der Fall, m¨ ussen wir die noch fehlenden Randwertbedingungen aus den entsprechenden bekannten N¨aherungswerten des Nachbargebiets Ωj u ¨ bernehmen. Da dies ein symmetrischer Prozess ist – denn aus Sicht des Teilgebietes Ωj bestimmen wir die fehlenden Randwertbedingungen aus dem Teilgebiet Ωi und umgekehrt – sind Gebietszerlegungsmethoden immer ein iteratives Verfahren: Mit den Randbedingunosung in Ω2 ; mit den neuen Randbedingungen aus Ω1 berechnen wir eine L¨

27.3 Weitere Beschleunigungsmethoden

329

gen aus Ω2 bestimmen wir eine L¨ osung in Ω1 usw.. Dieses iterative Verfahren brechen wir ab, wenn die ”inneren” Randwertbedingungen, die im Innern von Ω1 oder Ω2 liegen, nicht mehr korrigiert werden m¨ ussen. Die daraus berechneten Teill¨ osungen setzen wir zusammen und erhalten die gesuchte L¨osung des urspr¨ unglichen Problems. Daraus wird klar, dass die Gebietszerlegung Ωi , 1 ≤ i ≤ p das Definitionsgebiet Ω vollst¨ andig u ¨ berdecken muss, d.h. es gilt Ω ⊂ ∪pi=1 Ωi . Ordnen wir jedem dieser Teilgebiete Ωi einen eigenen Prozessor zu, so k¨onnen wir die Teill¨ osungen gleichzeitig berechnen. Aus Effizienzgr¨ unden sollte bei der Zerlegung darauf geachtet werden, dass der Durchschnitt zweier beliebiger Teilgebiete Ωi und Ωj nicht zu groß“ wird. Denn sonst bestim” men wir die L¨ osung im Durchschnittsgebiet Ωi ∩ Ωj unn¨otigerweise doppelt. Andererseits sollte der Durchschnitt groß genug sein, um einen schnellen Informationsfluss von einem Teilgebiet ins andere zu erm¨oglichen, damit die inneren Randwerte – und damit das Gesamtverfahren – schnell konvergieren. Wie oben schon bemerkt, werden bei der Berechnung der L¨osung jeweils zwischen den zugeordneten Prozessoren zweier Teilgebiete Ωi und Ωj u ¨ ber deren gemeinsamen Rand Daten ausgetauscht. Die Organisation dieser n¨otigen Kommunikation ist die hohe Kunst“ der Gebietszerlegungsmethoden. Im ” Vergleich zu einem sequentiellen L¨ osungsalgorithmus verlangen wir von einem robusten Gebietszerlegungsalgorithmus, dass wir beim Einsatz von p Prozessoren eine Beschleunigung der Rechenzeit um den Faktor 1/p unabh¨angig von der Art der Gebietszerlegung erzielen. Dazu m¨ ussen wir erreichen, dass die ben¨ otigte Rechenzeit zum Zerlegen des Ausgangsproblem, der n¨otigen Kommunikation zwischen den Teilgebieten w¨ ahrend der Iteration und zum Zusammenf¨ ugen der Teill¨ osungen vernachl¨ assigbar ist gegen¨ uber der Rechenzeit zum L¨ osen der einzelnen Teilprobleme. Der Speed-up durch diese L¨ osungsbeschleunigung liegt zwischen dem Wert Eins – d.h. keine Beschleunigung – und p, was der maximal zu erwartenden Beschleunigung entspricht. Da die Rechenzeit des parallelen L¨osungsalgorithmus im Wesentlichen durch die ben¨ otigte Rechenzeit des langsamsten Teilprozesses bestimmt ist, versuchen wir, diesen Prozess zu identifizieren und zu entlasten, indem wir das Gebiet Ω so zerlegen, dass alle Prozessoren m¨oglichst gleich ausgelastet sind. Um eine ideale Gleichauslastung der Prozessoren zu erhalten, verwenden wir Load-Balancing-Methoden. Darunter verstehen wir die Verteilung der einzelnen Arbeitsauftr¨ age auf die einzelnen Prozessoren einer parallelen Applikation. Das Ziel der Lastverteilung ist, m¨oglichst solche Teilaufgaben zu definieren, die unter Beachtung der m¨oglicherweise unterschiedlich schnellen Prozessoren zu einer minimalen Gesamtlaufzeit f¨ uhren. Abschließend analysieren wir eine spezielle Gebietszerlegungsmethode ¨ mathematisch. Wir betrachten den Spezialfall einer minimalen Uberlappung der Teilgebiete Ωi f¨ ur eine Finite-Differenzen Diskretisierung. Es handelt sich um eine sog. nicht¨ uberlappende Gebietszerlegung, bei der der Durchschnitt zweier Teilgebiete nur aus einer d¨ unnen Randschicht besteht. Die Diskreti-

330

27 Partielle Differentialgleichungen

sierungspunkte nummerieren wir entsprechend den Teilgebieten. Die inneren Diskretisierungspunkte des Teilgebiets Ω1 erhalten daher die Nummern 1, . . . , n1 , des Teilgebiets Ω2 die Nummern n1 + 1, . . . , n1 + n2 , usw. Die Diskretisierungspunkte auf den Grenzlinien aller Durchschnitte Ωi ∩ Ωj mit i = j werden mit den Nummern n1 + . . . + np + li , . . . versehen. Die Matrix A aus (27.37) erh¨ alt dadurch die Struktur ⎞⎛ ⎞ ⎛ ⎞ ⎛ u1 b1 A1 B1 ⎜ ⎜ ⎟ ⎟ ⎟ ⎜ A B u 2 2 ⎟⎜ 2 ⎟ ⎜ b2 ⎟ ⎜ ⎜ ⎜ ⎟ ⎟ ⎜ . . . . .. ⎟ ⎜ .. ⎟ = ⎜ .. ⎟ .. (27.42) ⎟. ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎝ ⎝ ⎠ ⎠ ⎠ ⎝ Ap Bp up bp C1 C2 · · · Cp AS uS bS Die oberen p Bl¨ ocke entsprechen gerade den Steifigkeitsmatrizen Ai aller Teilgebiete Ωi mit 1 ≤ i ≤ p. Wir k¨ onnen die Matrix A nun in Blockform schreiben      AI B xI bI = (27.43) C AS xS bS mit Block-Diagonalmatrix AI . Diese Diagonalform ist nun der Grund f¨ ur die gute Parallelisierbarkeit. Zum effizienten L¨ osen von (27.43) eliminieren xI mittels (27.44) AI xI + BxS = bI → xI = A−1 I (bI − BxS ). Dieser Schritt entspricht der L¨ osung der partiellen Differentialgleichung auf den Teilgebieten Ωi , i = 1, ..., p. Die Gebietszerlegung erlaubt also p kleinere Randwertprobleme zu l¨ osen; dazu ben¨ otigt wird aber die Kenntnis von xS . Setzen wir die gesuchten Teill¨ osungen in (27.43) ein, so erhalten wir eine Gleichung zur Bestimmung von xS :

und daher

bS = CxI + AS xS = CA−1 (bI − BxS ) + AS xS

 I −1 = AS − CAI B xS + CA−1 I bI

(27.45)

−1 (AS − CA−1 i B)xS = bS − CAI bI .

(27.46)

Die L¨ osung des urspr¨ unglichen Gleichungssystems (27.42) ist auf die L¨osung eines kleineren Systems mit der Matrix AS − CA−1 I B, dem Schuruckgef¨ uhrt worden. Komplement von AI in A, zur¨ Das Gebietszerlegungsverfahren unterst¨ utzt somit die effiziente, parallele L¨ osung des urspr¨ unglichen Problems durch geschickte Nummerierung der gesuchten Koeffizienten. Daraus resultiert eine Aufspaltung der Matrix in eine große Block-Diagonalmatrix plus Randspalten und -zeilen, die mittels Schurkomplement gel¨ ost werden kann.

28 Beispiele

F¨ ur regelm¨aßige numerische Wettervorhersagen ist ein Heer von ” rund 64000 mit Rechenmaschinen bewaffneten Mathematikern notwendig.“ Lewis Fry Richardson (1881 bis 1953)

28.1 Wetter Eine mathematisch-physikalische Wettervorhersage geht von der folgenden Grundidee aus: Wir kennen den kompletten Zustand der Atmosph¨are zu einem gegebenen Zeitpunkt t0 und berechnen f¨ ur die Zukunft mit Hilfe physikalischer Gesetzm¨ aßigkeiten die sich daraus ergebenden atmosph¨arischen Bewegungen und Ver¨ anderungen. Daraus lassen sich die Wettererscheinungen ableiten. Ein atmosph¨ arischer Zustand ist vollst¨andig durch die dreidimensionale r¨ aumliche Verteilung von insgesamt sechs Variablen beschrieben: Den drei Geschwindigkeitskomponenten des Windes v, dem Luftdruck p, der Luftdichte  und der Luftfeuchte. Das Wetter sorgt als ein gigantisches Energieunternehmen daf¨ ur, dass die ¨ von der Sonne haupts¨ achlich am Aquator einfallende Energie zu den beiden Polen abgef¨ uhrt wird, wo diese Energie in den Weltraum abgestrahlt wird. Wir k¨ onnten sonst keine stabilen Verh¨ altnisse f¨ ur das Leben auf der Erde vorfinden. Die f¨ ur das Wetter relevanten atmosph¨arischen Bewegungen spielen sich zwischen der Erdoberfl¨ ache und der Tropopause1 ab, die sich u ¨ ber ¨ dem Aquator in einer H¨ ohe von ca. 15 km und u ¨ ber den Polen in der H¨ohe von ca. 8 km befindet, siehe Abb. 28.1. In den Randbedingungen des Wetters gehen die Wechselwirkungsprozesse zwischen der Atmosph¨ are und einerseits der Erd- und Wasseroberfl¨ache und andererseits des Weltraums ein. 1

Die Tropopause ist die obere Grenze der Troposph¨ are, des untersten Stockwerks der Atmosph¨ are. Das Wort Troposph¨ are leitet sich aus dem Griechischen ab und ist eine Kurzbildung von Trope = Wendung und Atmosph¨ are. Sie enth¨ alt 3/4 der gesamten Atmosph¨ arenmasse und den gesamten Wasserdampf.

332

28 Beispiele

Abb. 28.1. Bild der Erde mit Erd- und Wasserober߬ ache, sowie Tropopause und Wechselwirkungen zwischen Sonne, Erde und Weltraum.

Den Anfangszustand der Atmosph¨ are liefert die meteorologische numerischen Analyse: Die Verteilung eines atmosph¨ arischen Zustands wird an Beobachtungsstationen gleichzeitig zu den Mannheimer Stunden ermittelt und in einem drei-dimensionalen diskreten Gitter, bestehend aus den entsprechenden Beobachtungsorten, dargestellt. Bei dieser vereinfachten Repr¨asentation der Atmosph¨ are gehen viele Details sowie kleinr¨aumige Strukturen verloren. Wir machen an dieser Stelle einen Modellierungsfehler: Jeder numerischen Vorhersagerechnung liegt eine mehr oder weniger vereinfachte Wiedergabe der wirklichen Atmosph¨ are zugrunde. Je nach Art und Grad der Vereinfachung unterscheiden wir verschiedene Wettermodelle, welche sich nicht nur in der Maschenweite des verwendeten horizontalen Gitternetzes unterscheiden, sondern auch in der Anzahl der Fl¨ achen, mit der die drei-dimensionale Atmosph¨ are dargestellt wird, siehe Abb. 28.2. Vor allem aber in deren Annahmen u ¨ ber die physikalischen Prozesse, die nicht ohne tief greifende Vereinfachung behandelt werden k¨ onnen. Eine Diskussion dieser Vereinfachungen w¨ urde zu weit gehen. Doch damit nicht genug: Prinzipiell k¨onnten wir auch nur ungef¨ ahr 1/3 der Erdoberfl¨ ache mit einem hinreichend engen Netz von ortsfesten Beobachtungsstationen versehen. Denn auf den Ozeanen sind Wetterbeobachtungen nur bedingt m¨ oglich: Zwar gibt es einige Hauptverkehrswas-

28.1 Wetter

333

serwege und die dort reisenden Schiffe k¨ onnen Wetterbeobachtungen liefern, doch decken diese die Weltmeere nicht fl¨ achendeckend ab.

Abb. 28.2. Drei-dimensionales Gitter zur Modellierung der Erdatmosph¨ are.

Ein analysierter Anfangszustand der Atmosph¨are zu einem bestimmten Zeitpunkt t0 , die Kenntnis der Randbedingungen und ein angemessenes physikalisches Modell erlauben die Berechnung eines Zustandes der Atmosph¨are zu einem in der Zukunft liegendem Zeitpunkt t1 > t0 . Diesen k¨onnen wir als Anfangszustand interpretieren und einen weiteren atmosph¨arischen Zustand zum Zeitpunkt t2 > t1 berechnen. Diese Iteration liefert die zeitliche Entwicklung der atmosph¨ arischen Zust¨ ande zu einer Folge von Zeitpunkten t0 , t1 , t2 , . . . Von einer Wetterprognose verlangen wir, dass sich die Ergebnisse schneller berechnen lassen, als sich die Atmosph¨ are selbst weiterentwickelt. Zur Vorausberechnung eines atmosph¨ ahrischen Zustands, der wie bereits erw¨ ahnt aus sechs Variablen besteht, ben¨ otigen wir aus mathematischen Gr¨ unden ein Gleichungssystem von ebenfalls sechs unabh¨angigen Gleichungen. Ein Wettermodell muss mindestens sechs Gleichungen aufweisen. Wir geben eine motivierte, aber knappe Einf¨ uhrung zu den Modellgleichungen. Weiterf¨ uhrende Literatur findet man in [76]. Wir beginnen mit der Dynamik der Atmosph¨ are. Gem¨ aß dem zweiten Newton’schen Axiom Kraft ” = Masse × Beschleunigung“ setzt sich die resultierende Beschleunigung eines gegebenen Luftquantums aus der Summe der in der Atmosph¨are wirkenden Kr¨ afte, der Gravitationskraft, der Gradientenkraft, der Corioliskraft und der Reibungskraft, zusammen. Wir erhalten f¨ ur die drei Komponenten des Winds die drei hydrodynamischen Bewegungsgleichungen d 1 v = ∇p − g − 2Ω ◦ v + F. dt ρ

(28.1)

334

28 Beispiele

Dabei beschreibt g die lokale Gravitationsbeschleunigung, Ω die Winkelgeschwindigkeit der Erde und F das Dissipationsmoment auf ein bestimmtes Luftquantum, siehe Abb. 28.3.

p

p+dp

Abb. 28.3. Durch Druckdifferenzen erzeugte Kraft auf ein Luftquantum.

Da die Atmosph¨ are ein im Wesentlichen abgeschlossenes System darstellt, und atmosph¨ arische Masse weder neu entsteht noch verloren geht, leiten wir aus der Massenerhaltung die Kontinuit¨atsgleichung d ρd = −ρd ∇ ◦ v, dt

(28.2)

f¨ ur die Dichte d der trockenen Luft ab, siehe Abb. 28.4.

m0 m5

m4

m3

m1

m2

Abb. 28.4. Die Summe aller zu- und abstr¨ omenden Massen verschwindet f¨ ur jedes Luftquantum.

Um den Effekt, der die Atmosph¨ are antreibt, zu beschreiben, modellieren wir mittels des ersten Hauptsatzes der W¨armelehre

28.1 Wetter

cp

d d T −R p=Q dt dt

335

(28.3)

die Erhaltung der Energie. Dabei beschreibt cp die spezifische W¨armekapazit¨ at bei konstantem Druck p, T die Temperatur, R die Gaskonstante der feuchten Luft und Q die zu- oder abgef¨ uhrte W¨armemenge. Die sechste Gleichung (28.4) ist die Zustandsgleichung idealer Gase, die einen Zusammenhang zwischen der Dichte , der Temperatur T und dem Druck p herstellt. Damit k¨onnen wir die nur schwer zu bestimmende Luftdichte  durch den Luftdruck p und die Temperatur T ersetzen p = RT.

(28.4)

Diese Gleichung wird in die anderen Gleichungen eingesetzt und die Anzahl der Variablen und Gleichungen um Eins reduziert. Schließlich wird zur Vorhersage der Luftfeuchte noch eine Wasserdampftransportgleichung ben¨ otigt, die neben dem Transport auch Quellen und Senken des Wasserdampfs beschreiben kann: d w = −w ∇ ◦ v + S. (28.5) dt Hier bedeuten w die Dichte des Wasserdampfs und S Wasserdampfquellen und -senken. F¨ ur die gesamte Luftdichte ergibt sich  = d + w .

(28.6)

Dieses mathematisch-physikalische Grundmodell f¨ ur die Meteorologie ist vor weit mehr als 100 Jahren in seinen Grundz¨ ugen entwickelt worden. Es beschreibt die Vorg¨ ange in der Atmosph¨ are, die die Wettererscheinungen bestimmen, und hat im Laufe seiner Weiterentwicklung eine Vielzahl von Erg¨ anzungen und Verbesserungen erfahren. Das Gleichungssystem (28.1) bis (28.6) ist wegen der Nichtlinearit¨at der partiellen Differentialgleichungen so kompliziert, dass es nicht analytisch l¨ osbar ist. Nicht einmal die Anfangs- und Randwertvorgaben sind geschlossen beschreibbar. Numerische Verfahren bieten hier einen erfolgversprechenden L¨osungsansatz. Bei der L¨ osung dieses Gleichungssystems diskretisieren wir alle Gleichungen einzeln und koppeln diese u ¨ ber ihre gemeinsamen Variablen. Dabei gehen wir wiederum iterativ vor: Wir l¨ osen der Reihenfolge nach die Gleichungen und verwenden deren L¨ osung jeweils als Anfangs- und Randwerte f¨ ur die n¨ achste Gleichung. Wir iterieren solange, bis sich die L¨osung des gesamten Systems nicht mehr ver¨ andert. Wir schließen ab mit der ¨ Ubung 132 (Speicherplatzabsch¨ atzung f¨ ur Wettervorhersage). Verdeutlichen Sie sich den enormen Speicherbedarf einer Diskretisierung eines atmosph¨ arischen Zustandes zu einem festen Zeitpunkt ti . Geben sie den Speicherplatzbedarf an, unter der Annahme, dass wir die gesamte Erdoberfl¨ache

336

28 Beispiele

mit einem Gitter der Maschenweite h u ¨ berdecken k¨onnten und nach oben f ¨ Fl¨ achen verwenden, siehe in Erg¨ anzung auch Ubung 143.

28.2 Tsunami Die Vorhersage von Wasserwellen bietet ein breites interessantes Anwendungsgebiet der angewandten Mathematik, insbesondere in der Modellbildung, der Theorie der partiellen Differentialgleichungen und deren numerischen L¨ osung. Wasserwellen kann man zun¨ achst grob danach unterscheiden, welche Wasserschichten bewegt werden: 1. gew¨ ohnliche“Meereswellen, wie sie z.B. durch den Wind angeregt wer” den, die nur oberfl¨ achennahe Wasserschichten bewegen und aule bis zum Meeresboden bewegen. 2. Tsunamis2 , die die gesamte Wassers¨ In diesem Abschnitt wenden wir uns der Diskussion der Tsunamis zu, die i.Allg. durch Unterwasserseebeben ausgel¨ost werden, wie dies z.B. am 26.12.2004 im indischen Ozean geschah. Tsunamis haben auf hoher See i.Allg. eine sehr kleine Amplitude und sind daher meistens sehr unauff¨allig. Die Wasserwelle steilt sich erst in K¨ ustenn¨ ahe zu zerst¨orerischer H¨ohe auf. Der englischen Ingenieur John Scott Russel beobachtete diese außergew¨ ohnlichen Wasserwellen erstmals im Jahr 1834 in einem Kanal bei seinem Landhaus in Schottland, siehe www.ma.hw.ac.uk/~chris/scott_russel. html. Russel experimentierte mit diesen Kanalwellen, so genannten Solitonen, und erkannte, dass die Solitonen keine Oberfl¨achenwellen“sind. Die ” Kanalwellen sind formstabil und breiten sich mit einer Geschwindigkeit aus, ¨ die im Wesentlichen von der Wassertiefe h abh¨angt. Die Uberlagerung von Kanalwellen f¨ uhrt nicht zu den bei Wellen erwarteten Ph¨anomenen wie Interferenz oder Ausl¨oschung: Die Solitionen verhalten sich u ¨ berraschenderweise ganz im Gegenteil eher wie Teilchen. Der niederl¨ andische Mathematiker Diederik Korteweg und sein Doktorand Gustav de Vries zeigten im Jahr 1895, dass Solitionenwellen mit der Amplitude u in einem Gew¨ asser mit der konstanten Tiefe h der partiellen Differentialgleichung   1 3 h2 Δ ut + 1 + u ux + uxxx = 0 (28.7) gh 2h 6 gen¨ ugen und gaben die L¨ osung u(x, t) = A cosh−2

x − vt L

mit dem Parameter L als Breite der Welle an. Die partielle Differentialgleichung (28.7) l¨ asst sich normieren zu der heute bekannten Korteweg-de-VriesGleichung 2

Das japanische Wort Tsunami bedeutet Hafenwelle.

28.3 Bildverarbeitung und PDE Δ

ut + uxxx − 6 u ux = 0.

337

(28.8)

Die Korteweg-de-Vries-Gleichung (28.8) ist eine nicht-lineare Differentialgleichung und l¨ asst sich aus den Euler-Lagrange-Gleichungen der Hydrodynamik unter vereinfachenden Annahmen, wie ein-dimensionaler Ausbreitung in Richtung x, konstanter Wassertiefe h etc., herleiten. Die Korteweg-de-VriesGleichung beschreibt nicht nur das Verhalten der Tsunamis, sondern z.B. auch das Verhalten von optischen Solitonen, die verlustfrei Information in Glasfaserkabeln transportieren. Die Diskussion, ob die Korteweg-de-Vries-Gleichung die Solitonenwellen hinreichend korrekt modelliert, ist noch nicht abgeschlossen. Korteweg und de Vries haben eine f¨ ur die Herleitung notwendige Taylor-Entwicklung zu fr¨ uh abgeschnitten, n¨ amlich nach dem dritten anstatt nach dem f¨ unften Glied. Die Simulation eines Tsunamis ist grunds¨ atzlich nur dann m¨oglich, wenn Seebeben und ihre Epizentren genau detektiert werden k¨onnen. Eine sinnvolle Warnung kann wiederum nur dann ausgesprochen werden, wenn die Solitonenwellen mindestens in Echtzeit simuliert werden k¨onnen. Dagegen sprechen mindestens folgende Punkte: – Anfangswerte: nicht gen¨ ugend und unvollst¨andige Anfangsdaten der Wasserwellen, – Randbedingungen: zu ungenaues Kartenmaterial f¨ ur die Ozeane und deren K¨ ustenregionen, – Modellgleichungen f¨ ur das Innere“ der Ozeane: fehlende Bestimmungs” gleichungen f¨ ur eine drei-dimensionale Beschreibung sowie – Modellgleichungen f¨ ur den Rand“ der Ozeane: Beschreibungen f¨ ur den ” ¨ Ubergang zur K¨ uste, wo sich die Wellen aufsteilen. Die drei-dimensionale Beschreibung ist insbesondere f¨ ur die numerische Simulation ein großes Problem, da man aus Speicherplatzgr¨ unden kein hinreichend feines Gitter u ¨ ber einen gesamten Ozean legen kann. Hier fehlen noch Strategien, wie man das Gitter adaptiv verfeinern kann. Die h¨aufigen Fehlalarme deuten auch darauf hin, dass diese grundlegenden Probleme der Simulation (noch) nicht gel¨ost sind, siehe auch [121].

28.3 Bildverarbeitung und PDE Zun¨ achst sollen hier kurz die wirkenden Mechanismen bei Konzentrationsver¨ anderungen in Fl¨ ussigkeiten beschreiben. Dazu betrachten wir eine Fl¨ ussigkeit, in der sich ein Stoff in unterschiedlicher, ortsabh¨angiger Konzentration befindet. Durch den Dichteunterschied wird nun eine Str¨omung j hervorgerufen in Richtung des negativen Gradienten der Konzentration u(x, t), also j(x, t) = −D ∇u(x, t).

338

28 Beispiele

¨ Aus der Massenerhaltung folgt weiterhin, dass die Anderung der Konzentration in einem Volumenelement nur durch Str¨omung erfolgen kann, und daher ∂ ∂ ∂ ∂ u(x, t) = −div(j) = − j− j− j. ∂t ∂x1 ∂x2 ∂x3 Fasst man diese beiden physikalischen Bedingungen zusammen, so folgt ut = div(D ∇u). F¨ ur den Fall, dass die Diffusionskonstante isotrop ist, d.h. orts- und richtungsunabh¨ angig ist, ergibt sich D als reelle Zahl, und damit vereinfacht sich die Gleichung zu ut = D div(∇u) = D Δu mit dem Laplace-Operator Δ. Wir wollen das Modell der Diffusion nun auf die Bildverarbeitung anwenden. Dazu betrachten wir ein Schwarz-Weiß-Bild, gegeben durch Grauwerte in einem zweidimensionalen Feld von Pixeln. Die Grauwerte k¨onnen nun als Konzentration eines Farbstoffes angesehen werden. Dadurch erscheint das Bild als zeitabh¨ angige Momentaufnahme eines Diffusionsprozesses. Abh¨angig von der eingesetzten Diffusionskonstanten D kann nun das Bild so in der Zeit vor oder zur¨ uck gerechnet werden, um den Zustand des Bildes vor oder nach Einwirkung der hypothetischen Diffusion zu erhalten. Das gegebene Bild und seine Grauwerte werden also als Startwerte f¨ ur eine Diffusionsgleichung ut = div(D ∇u) aufgefasst. Mittels einer Diskretisierung in Orts- und Zeitvariablen k¨onnen wir dann die Grauwerte des Bildes im folgenden Zeitschritt wegen (uij,k+1 − uij,k )/τ ≈ ut (xij , tk ) n¨ aherungsweise berechnen aus uk+1 = uk + τ div(D ∇u)|xij ,tk . Die Orts-Diskretisierung entspricht dabei dem durch die Pixel gegebenem Gitter. Auf diese Art und Weise kann durch verschiedene Wahl der Konstanten D und eine bestimmte Anzahl von Zeitschritten das Bild weicher oder sch¨ arfer gemacht werden.

29 Aufgaben

The essence of mathematics is not to make simple things complica” ted, but to make complicated things simple.“ S. Gudder

¨ Ubung 133 (Verdauung der Wiederk¨ auer). Wiederk¨auer, wie z.B. Hirsche, Schafe oder Rinder, haben einen komplizierten Magen. Frisch gefressenes, unzerkautes Futter gelangt in ein Vorratskompartiment, Pansen oder Rumen genannt. Sp¨ ater, wenn es zerkaut ist, geht es durch den Bl¨attermagen (Omasum), dann in den Labmagen (Abomasum), wo es weiter verdaut wird. Eine erste N¨ aherung f¨ ur die Futtermengen im Rumen r(t) und im Abomasum u(t) zur Zeit t ergibt folgendes mathematisches Modell r(t) ˙ = −k1 r, u(t) ˙ = k1 r − k2 u,

r(t0 ) = r0 , u(t0 ) = u0 ,

(29.1)

mit k1 , k2 > 0 und k1 = k2 , den so genannten spezifischen Verdauungsraten. ¨ Uberzeugen Sie sich, dass das Anfangswertproblem (29.1) ein Spezialfall des allgemeinen linearen Anfangswertproblems         x0 (t) x0 (t0 ) x00 x˙ 0 (t) , =A , = x˙ 1 (t) x1 (t) x1 (t0 ) x10 mit der Kopplungsmatrix

 A=

a00 a01 a10 a11



ist. Geben Sie die Besetzung von A sowie x00 und x10 in Abh¨angigkeit von k0 , k1 und r0 , u0 an! Diskretisieren Sie das AWP (29.1) nach Euler, nach Crank-Nicolson und R¨ uckw¨ arts-Euler. Was ergibt sich jeweils f¨ ur f in   i   i+1  x0 x0 = f τ, A, ? i x xi+1 1 1

340

29 Aufgaben

Hinweis: Nicht nur hier bew¨ ahrt sich die Formel  −1   1 ab d −b . = cd ad − bc −c a ¨ Ubung 134 (Endwertproblem). F¨ ur y = Φ(y, x) und Intervall [a, b] betrachten wir das Endwertproblem: Gegeben sei y(b), gesucht ist y(a). Formulieren Sie ein Verfahren zur n¨aherungsweisen Berechnung von y(a). ¨ Ubung 135. Gegeben ist ein Anfangswertproblem der Form y (x) = Φ(y, x), y(a) = y0 . Bei ¨ aquidistanter Schrittweite h betrachten wir die Iterationsvorschrift h yk+1 = yk + (Φ(yk , xk ) + Φ(yk+1 , xk+1 )) . 2 a) Aus welcher Quadraturregel ergibt sich dieses Verfahren? Man beschreibe den Zusammenhang! b) Zeigen Sie, wie man aus der obigen Beziehung bei bekannten Werten von xk , yk , und h den neuen Wert yk+1 berechnen kann. Um welche Art von Problemen handelt es sich dabei? Welche Art von Verfahren kann man benutzen? Beschreiben Sie die Startbedingungen eines solchen Verfahrens. Geben Sie einen Algorithmus an zur L¨ osung des Anfangswertproblems mit n¨ aherungsweiser Berechnung von y(b) f¨ ur ein b > a. ¨ Ubung 136 (Lokale Diskretisierungsfehler des Eulerverfahrens). Gegeben ist das Anfangswertproblem y (x) = ϕ(y, x) = x,

x0 = 0,

y(x0 ) = 0.

Wir benutzen die ¨ aquidistante Einteilung x0 = 0, x1 = h, . . . , xn = nh = b. a) Bestimmen Sie die exakte L¨ osung y(x) und die N¨aherungswerte yj ≈ y(xj ), j = 1, . . . , n, die durch das (Vorw¨arts)Euler-Verfahren gegeben werden. b) Wie groß ist der lokale Diskretisierungsfehler |y1 − y(x1 )|? Wie groß ist der globale Fehler |yn − y(b)|? ¨ Ubung 137. Gegeben ist das Anfangswertproblem      u −1000 α u = , x0 = 0, u(x0 ) = 1, v(x0 ) = 1. v α −1 v Wir benutzen die a ¨quidistante Einteilung x0 = 0, x1 = x0 + h, . . . , xn = x0 + nh = b, also h = b/n.

29 Aufgaben

341

a) Formulieren Sie das (Vorw¨ arts-)Euler-Verfahren zur Bestimmung von N¨ aherungsl¨ osungen uj ≈ u(xj ) und vj ≈ v(xj ). Im Folgenden betrachten wir den Spezialfall α = 0. b) Bestimmen Sie die exakten L¨ osungen u(x) und v(x). Man gebe eine einfache Formel f¨ ur die N¨ aherungswerte uj ≈ u(xj ) und vj ≈ v(xj ) an, die durch das (Vorw¨ arts)-Euler-Verfahren gegeben werden, in Abh¨angigkeit von h. c) Wie groß darf h gew¨ ahlt werden, so dass uj und vj beide f¨ ur j → ∞ das richtige Verhalten zeigen? Wie groß darf h gew¨ahlt werden, so dass vj f¨ ur j → ∞ das richtige Verhalten zeigt? ¨ Ubung 138 (Einfaches Populationsmodell). Die Annahme, dass die Geburten- und Sterberate einer Population jeweils proportional zur Anzahl der Individuen ist, f¨ uhrt zu einem einfachen Populationsmodell, das durch folgendes Anfangswertproblem beschrieben wird: x(t) ˙ = a x(t),

x(t0 ) = x0 .

a) Integrieren Sie das Anfangswertproblem analytisch. Stellen Sie die Ergebnisse graphisch dar. b) Diskutieren Sie das Problem mit dem Euler-, dem R¨ uckw¨arts-Euler- und dem Crank-Nicolson-Verfahren und beschreiben Sie einen Algorithmus zur numerischen L¨ osung des Anfangswertproblems. c) Welche Diskretisierungsordnung O(τ ) haben die unterschiedlichen Verfahren? ¨ Ubung 139 (DuFort-Frankel-Diskretisierung). Die parabolische partielle Differentialgleichung ∂t u = λ ∂xx u wird mit der Methode der Finiten Differenzen , , λ + n 1 + n+1 u = u − un−1 − (un+1 + un−1 ) + unj−1 j j j Δt j Δx2 j+1 mit Δt > 0 und Δx > 0 diskretisiert. Die Diskretisierung ist wegen

(29.2)

Δh ui,j − (ut − ux x) = (Δt)2 uttt /6 − (Δx)2 uxxxx /12 + (Δt/Δx)2 utt + . . . nur dann konsistent, wenn Δt schneller“ als Δx gegen Null geht. ” Zeigen Sie, dass die L¨ osung der Gleichung (29.2) f¨ ur Δt/Δx → q = 0 gegen die L¨ osung der hyperbolischen partiellen Differentialgleichung q 2 utt − uxx + ut = 0 konvergiert. Hinweis: Die DuFort-Frankel-Diskretisierung empfiehlt sich insbesondere aus diesem Grund nicht f¨ ur adaptive Verfeinerungsalgorithmen, da die zus¨atzliche Bedingung, n¨ amlich Δt und Δx d¨ urfen nicht gleichm¨aßig gegen Null gehen, zu beachten ist.

342

29 Aufgaben

¨ Ubung 140 (Laplace-Gleichung). Zeigen Sie, dass die Funktionenschar aus (27.1) u(x, y) := sin(mπx) sin(nπy),

(xy) ∈ Ω := [0, 1]2

f¨ ur alle Parameter m, n ∈ IN die Laplace-Gleichung (27.2) −Δu(x, y) = 0,

∀(x, y) ∈ Ω.

erf¨ ullt. ¨ Ubung 141 (d-dimensionale Analyse). Analysieren Sie den Reduktionsfaktor q f¨ ur das Modellproblem 35 (vgl. Seite 313) im d-dimensionalen Fall. Welchen Einfluss hat die Dimension d? ¨ Ubung 142 (Charakterisierung der variationellen Formulierung als Minimierungseigenschaft). Beweisen Sie das Theorem 8. Berechnen Sie den Wert des Funktionals f¨ ur die Funktion u + tv ∈ V mit u, v ∈ V und t ∈ IR. Zeigen Sie zun¨ achst, dass gilt:    J(u + tv) = J(u) + t ∇v ◦ ∇vdx − vf dx − ∂ν udS + Ω

Ω

+

t2 2

 ∇v ◦ ∇vdx (29.3) Ω

L¨ ost die Funktion u die variationelle Formulierung (27.32), so gilt  2 J(u + tv) = J(u) + t /2 ∇v ◦ ∇vdx > J(u) Ω

∀ 0 = v ∈ V, 0 = t ∈ IR. Damit ist gezeigt, dass u das Funktional J(.) minimiert. Warum? Minimiert die Funktion u das Funktional J(.), so muss die Ableitung des Funktionals J(u + tv)/dt nach t f¨ ur alle Funktionen v ∈ V verschwinden. Berechnen Sie diese Ableitung mittels Gleichung (29.3) und folgern Sie daraus die Gleichung (27.32). Beweisen Sie die Eindeutigkeit der L¨ osung u ebenfalls mit Gleichung (29.3). ¨ Ubung 143 (Notwendige Leistungsf¨ ahigkeit f¨ ur Wettervorhersage). Sch¨ atzen Sie die mindestens notwendige Rechenleistung eines Rechner(verbundes) in Rechenoperationen pro Sekunde ab, um Zugrichtung eines Tiefdruckgebietes mit einer Geschwindigkeit von 500 bis 2500 km/Tag vorhersagen zu k¨ onnen. Hinweis: Die Maschenweite h muss dazu mindestens sowohl die Gr¨oße einer Gewitterzelle mit einem Durchmesser von ca. 10 km als auch f = 30 Fl¨achen ¨ abbilden k¨ onnen, siehe auch Ubung 132. Geben Sie die Anzahl der Diskretisierungspunkte N an. Nehmen Sie weiter an, dass

29 Aufgaben

343

1. der Zustand der globalen Atmosph¨ are alle 15 Minuten berechnet werden soll und 2. der numerische L¨ osungsalgorithmus optimale lineare Komplexit¨at O(N ) hat. Gibt es einen solchen Supercomputer heute schon? ¨ Ubung 144 (Satellitenbahnen im Einfluss von Erde und Mond). Das System von Differentialgleichungen x ¨ = x + 2y˙ − μ

x+μ 2/3 y2)

−μ

x − μ 2/3

((x + μ)2 + ((x − μ )2 + y 2 ) y y y¨ = y − 2x˙ − μ −μ 2/3 2/3 ((x + μ)2 + y 2 ) ((x − μ )2 + y 2 )

beschreibt die Bewegung eines kleinen K¨ orpers, z.B. eines Satelliten, im Kraftfeld zweier großer K¨ orper, z.B. von Erde und Mond. Wir nehmen an, dass die Bewegung der drei K¨ orper in einer festen Ebene erfolgt und dass die beiden großen K¨ orper mit konstanter Winkelgeschwindigkeit und konstantem gegenseitigem Abstand um ihren gemeinsamen Schwerpunkt rotieren. Insbesondere vernachl¨assigen wir die St¨ orungen durch den kleinen K¨orper. In einem mitrotierenden Koordinatensystem, in welchem die beiden großen K¨orper als ruhend erscheinen, wird die Bahn des kleinen K¨orpers durch ein Funktionenpaar (x(t), y(t)) beschrieben, welches dem System von zwei gew¨ohnlichen Differentialgleichungen zweiter Ordnung gen¨ ugt. Der Nullpunkt entspricht dem Schwerpunkt der beiden auf der x-Achse sitzenden großen K¨orper, μ und μ = 1 − μ dem Verh¨ altnis der Massen des auf der positiven bzw. negativen x-Achse gelegenen K¨ orpers zur Gesamtmasse beider K¨orper. Ferner ist die L¨ angeneinheit so gew¨ ahlt, dass der Abstand der beiden großen K¨orper gleich Eins ist, die Zeiteinheit derart, dass die Winkelgeschwindigkeit der Rotation gleich Eins ist, d.h. dass ein Umlauf 2π Zeiteinheiten dauert. Berechnen Sie mit dem Euler-Verfahren die Bewegung der kleinen Masse. Das Massenverh¨ altnis Erde zu Mond betr¨ agt μ = 0.011213, die Anfangsbedingungen lauten x(0) = 1.2, y(0) = 0, x(0) ˙ = 0 und y(0) ˙ = −1.04936. Die Periode (Umlaufdauer) betr¨ agt T = 6.19217.

Teil VIII

Anhang

A Werkzeuge aus der Analysis

Das Argument gleicht dem Schuss einer Armbrust – es ist gleicher” maßen wirksam, ob ein Riese oder ein Zwerg geschossen hat.“ Francis Bacon

A.1 Taylor-Entwicklung In vielen F¨ allen ben¨ otigen wir lokale N¨ aherungen f¨ ur eine vorgegebene Funktion f . Als wesentliches Hilfsmittel dient uns dazu die Taylor-Entwicklung, die daher kurz beschrieben werden soll. Wir nehmen im Folgenden an, dass die Funktion f gen¨ ugend oft stetig differenzierbar ist. Die einfachste Form der Taylor-Entwicklung ist der Mittelwertsatz der Differentialrechnung f (x) − f (x0 ) = f (η), x − x0

η ∈ [x0 , x] oder η ∈ [x, x0 ].

Anschaulich l¨ asst sich dies so interpretieren, dass die Verbindungsstrecke zwischen f (x0 ) und f (x) als Tangentenrichtung in einer Zwischenstelle η vorkommt, die zwischen x0 und x liegt. Die parallel verschobene Verbindungsstrecke zwischen (x0 , f (x0 )) und (x, f (x)) ist an einer Stelle η genau eine Tangente an f (siehe Abb. A.1). Nun sind wir auf der Suche nach einer m¨ oglichst guten, einfachen, lokalen N¨aherungsfunktion f¨ ur f . Daher wollen wir an einer Stelle x die Funktion durch eine Gerade m¨ oglichst gut darstellen. Diese Gerade ist dann genau die Gerade durch (x0 , f (x0 )) mit Steigung f (x0 ), also g(x) = f (x0 ) + f (x0 )(x − x0 ). Der Satz u ¨ber die Taylor-Entwicklung gibt an, wie gut diese Approximation durch g ist: f (x) = g(x) +

f (η) (x − x0 )2 2

= f (x0 ) + f (x0 )(x − x0 ) +

f (η) (x − x0 )2 . 2

348

A Werkzeuge aus der Analysis x=0, y=1, eta=0.5 1

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

Abb. A.1. Zwischenstelle mit Tangente parallel zur Sekante.

Dabei tritt wieder eine Zwischenstelle η auf. Die Gerade stimmt um so besser mit f u aher wir an die Stelle x0 kommen und je kleiner |f | ¨ berein, je n¨ zwischen x0 und x ist. Dieses Resultat l¨ asst sich verbessern, indem wir statt Geraden Parabeln, kubische Polynome, usw. zulassen. Die entsprechenden N¨aherungspolynome pm (x) gehen dann durch den betrachteten Punkt (x0 , f (x0 )) und haben mit oglich gemeinsam, also p m (x0 ) = f an der Stelle x0 soviele Ableitungen wie m¨ f (x0 ), p m (x0 ) = f (x0 ), . . . . Diese Polynome sind gegeben durch pm (x) = f (x0 ) + f (x0 )(x − x0 ) + +

f (x0 ) f (m) (x0 ) (x − x0 )2 + . . . + (x − x0 )m , 2 m!

und die dabei auftretende Abweichung von f kann durch das Restglied f (x) = pm (x) +

f (m+1) (η) (x − x0 )m+1 , (m + 1)!

mit einer Zwischenstelle η angegeben werden. Die Darstellung wird um so ur besser, je kleiner |x − x0 | und je kleiner |f (m+1) | zwischen x und x0 ist. F¨ den einfachsten Fall eines konstanten Polynoms m = 0 erkennen wir den Mittelwertsatz. F¨ ur Polynome immer h¨ oheren Grades erhalten wir im Grenzwert eine unendliche Reihe, die Taylor-Reihe von f in x0 . Ist diese Reihe f (x) =

∞  f (j) (x0 ) j=0

j!

(x − x0 )j

A.1 Taylor-Entwicklung

349

konvergent bei x0 , so liefert sie unter gewissen Zusatzvoraussetzungen im Konvergenzintervall eine g¨ ultige Darstellung der Funktion f . In Anwendungen werden wir es oft mit Funktionen zu tun haben, die nicht explizit bekannt sind. Normalerweise kennen wir von der Funktion – z.B. aus Messungen – Funktionswerte an diskreten Stellen xj . Statt der Funktionswerte f (xj ) l¨asst sich f aber oft auch durch Angabe der Taylor-Koeffizienten beschreiben. Betrachten wir als Beispiel die Exponential-Funktion an der Stelle x0 = 0. Die Ableitungen sind an der Stelle Null alle gleich Eins und es ergeben sich die Taylor-Polynome m  xj . pm (x) = j! j=0 Die Approximation von exp(x) bei x0 = 0 durch konstante, lineare, quadratische und kubische Taylor-Polynome ist in der Abbildung A.2 dargestellt. Der Fehler ist gegeben durch |f (x) − pm (x)| =

exp(η)|x|m+1 . (m + 1)!

3

2.5

2

1.5

1

0.5

0 −1

−0.8

−0.6

−0.4

−0.2

0

0.2

0.4

0.6

0.8

1

Abb. A.2. Taylor-Polynome f¨ ur exp(x) wachsenden Grades um x0 = 0; die d¨ unne durchgezogene Linie ist die Funktion exp(x).

Viele der Algorithmen beruhen darauf, die gegebene Funktion f lokal durch ein Taylor-Polynom kleinen Grades zu ersetzen, und das gestellte Problem (Integration, gesuchte Nullstelle, . . . ) f¨ ur diese wesentlich einfachere Funktion zu l¨ osen. Den auftretenden Fehler kann man durch die Gr¨oße des Restgliedes absch¨ atzen.

350

A Werkzeuge aus der Analysis

Die Ableitung einer Vektor-Funktion y = F (x1 , ..., xn ) ∈ IR ist gegeben durch den Gradienten ⎛ ∂F ⎞ ∂x1

⎜ ⎟ ∇F = ⎝ ... ⎠ . ∂F ∂xn

Der Gradient bestimmt alle eindimensionalen Richtungsableitungen in Richd F (x + tu) = ∇F (x)T u. Die Verallgemeinerung auf tung des Vektors u dt vektorwertige Funktionen ⎛ ⎞ f1 (x1 , . . . , xn ) ⎜ ⎟ .. f (x1 , . . . , xn ) = ⎝ ⎠ . fn (x1 , . . . , xn ) f¨ uhrt dann auf die Jacobi-Matrix der Ableitungen ⎛ ∂f1 ∂f1 ⎞ ∂x1 · · · ∂xn ⎜ .. ⎟ . Df = ⎝ ... . ⎠ ∂fn ∂fn ∂x1 · · · ∂xn Erzeugende Funktionen und Komplexit¨ atsanalyse: Taylor-Reihen spielen im Bereich der Informatik auch in der Komplexit¨atstheorie eine wichtige Rolle. Hier kann die Reihendarstellung dazu dienen, den Aufwand eines Algorithmus f¨ ur verschiedene Eingabel¨ angen n in geschlossener Form zu beschreiben. Betrachten wir z.B. die durch die Fibonacci-Folge gegebene Zahlenfolge an+2 = an+1 + an mit Startwerten a0 und a1 . (A.1) Als erzeugende Funktion der so definierten Folge k¨onnen wir die Funktion  n a x betrachten. Um f zu bestimmen, multiplizieren wir obige f (x) = ∞ n=0 n Gleichung mit xn und summieren dann alle diese Gleichungen zu verschiedenen n auf: ∞ ∞ ∞  1  1 n+2 n+1 a x = a x + an xn n+2 n+1 x2 n=0 x n=0 n=0

oder

∞ ∞ ∞  1 1  n n an x = an x + an xn . x2 n=2 x n=1 n=0

Erg¨ anzen wir in den Summen die fehlenden Terme, so dass u ¨berall f (x) erscheint, erhalten wir f (x) − a0 − a1 x f (x) − a0 + f (x), = x2 x und damit

A.2 Landau-Notation

351

a0 + (a1 − a0 )x . 1 − x − x2 Diese Funktion f hat die Eigenschaft, dass der n-te Taylor-Koeffizient f (n) (0)/n! = an gleich der n-ten Fibonacci-Zahl ist. Auf diese Art und Weise l¨ asst sich die Fibonacci-Folge auf einfache Art und Weise durch eine einzige Gr¨ oße, die erzeugende Funktion f , eindeutig und geschlossen beschreiben. Bei vielen Algorithmen kennen wir eine Formel der Form (A.1), die den ben¨ otigten Aufwand beschreibt. Durch das Hilfsmittel der erzeugenden Funktion kann durch Bestimmung von f die Komplexit¨at f¨ ur alle m¨oglichen auftretenden F¨ alle angegeben werden (vgl. Beispiel 32 in Kapitel 11.2 und die Kostenanalyse der FFT in Kapitel 18.3). f (x) =

A.2 Landau-Notation Bei der n¨ aherungsweisen Beschreibung des Verhaltens einer Funktion f¨ ur betragsm¨ aßig sehr große oder sehr kleine Werte werden die Landau’schen Symbole verwendet. Die Notation O(.) ist definiert durch f (n) = O(g(n)), falls wir M ∈ IR und N ∈ IR angeben k¨ onnen mit f (n) ≤M <∞ g(n)

f¨ ur n > N.

Diese Beziehung ist z.B. erf¨ ullt, wenn g(n) der am st¨arksten wachsende Term in f ist, f (n) = g(n) + Terme kleinerer Ordnung. Genauso ist f (h) = O(g(h)), falls wir c ∈ IR und δ ∈ IR angeben k¨ onnen, mit    f (h)    f¨ ur |h| < δ.  g(h)  ≤ c < ∞ Diese Beziehung ist erf¨ ullt, wenn g(h) der am langsamsten schrumpfende Term in f f¨ ur h → 0 ist, oder f (h) = g(h) + kleinere Terme. Die LandauNotation ist sehr n¨ utzlich, um die wesentlichen Kosten eines Algorithmus zu beschreiben oder eine Fehleranalyse durchzuf¨ uhren.

B Werkzeuge aus der Linearen Algebra

”

Strukturen sind die Waffen der Mathematiker“ Nicolas Bourbaki

B.1 Vektoren und Matrizen Eine n×m-Matrix A beschreibt eine lineare Abbildung, die einem Vektor x ∈ IRm einen anderen Vektor y ∈ IRn zuordnet durch die Festlegung y = Ax oder ⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ m ⎞ y1 a11 · · · a1m x1 j=1 a1j xj ⎜ .. ⎟ ⎜ .. ⎟ . .. ⎟ ⎜ .. ⎟ = ⎜ ⎝ . ⎠=⎝ . ⎠. . ⎠ ⎝ . ⎠ ⎝  .. m a x yn an1 · · · anm xm j=1 nj j Zu zwei Matrizen B und A wird die Hintereinanderausf¨ uhrung der zugeh¨ origen Abbildungen y = A(Bx) = (AB)x beschrieben durch die Matrix AB, also das Matrixprodukt von A und B. F¨ ur eine k × n-Matrix A und eine n × m-Matrix B ⎞ ⎛ ⎞ ⎛ b11 · · · b1m a11 · · · a1n ⎜ .. ⎟ , B = ⎜ .. .. ⎟ A = ⎝ ... ⎝ . . ⎠ . ⎠ ak1 · · · akn ergibt sich die Produktmatrix ⎛ n

a1j bj1 · · · ⎜ . . C = AB = ⎝ n . j=1 akj bj1 · · · j=1

bn1 · · · bnm n

⎞ a1j bjm ⎟ .. ⎠. n . j=1 akj bjm j=1

Man beachte, dass die Gr¨ oßen der Matrizen zueinander passen m¨ ussen – A hat genau so viele Spalten, wie B Zeilen hat. Das neue Element cij ergibt sich als das Skalarprodukt zwischen der i-ten Zeile von A und der j-ten Spalte von B.

354

B Werkzeuge aus der Linearen Algebra

Zwei wichtige Spezialf¨ alle sind: Das Skalarprodukt zwischen zwei Vektoren x, y ∈ IRn : C = xT y und das a ¨ußere Produkt ⎛

⎞ x1 y1 · · · x1 ym ... ⎠ C = xy T = ⎝ . . . xn y1 · · · xn ym f¨ ur Vektoren x ∈ IRn und y ∈ IRm . Mit hochgestelltem T bezeichnen wir das Transponieren einer Matrix ⎛

⎞T ⎛ ⎞ a11 · · · a1n a11 · · · ak1 ⎜ .. ⎟ = ⎜ .. .. ⎟ . AT = ⎝ ... ⎝ . . ⎠ . ⎠ ak1 · · · akn a1n · · · akn Eine Matrix A mit der Eigenschaft AT = A heißt symmetrische Matrix. Als Rang einer Matrix beziehungsweise eines Gleichungssystems bezeichnen wir die Anzahl der linear unabh¨ angigen Zeilen. Im ersten Beispiel 23 u ¨ ber Stromkreise lieferten uns die Maschen- und Knotenregel 8 Gleichungen f¨ ur 6 Unbekannte. Zwei der Gleichungen konnten wir ersatzlos streichen, da sie keine neuen Bedingungen an unsere Unbekannten erbrachten, sondern automatisch mit dem L¨ osen der 6 Gleichungen schon miterf¨ ullt waren. Die Ausgangsmatrix hatte also 8 Zeilen und 6 Spalten (eine 8 × 6-Matrix), der Rang der Matrix war aber 6. Die oben betrachte n × n-Matrix xy T hat sogar nur Rang 1, da jede Zeile nur ein anderes Vielfaches des Vektors y T ist. Wir h¨ atten mit demselben Ergebnis den Rang auch als die Anzahl linear unabh¨ angiger Spalten definieren k¨ onnen, da beides denselben Wert liefert. Der Rang einer Matrix spielt f¨ ur die L¨ osbarkeit eines Gleichungssystems eine entscheidende Rolle. Ax = b ist genau dann l¨osbar, wenn rang(A) = rang(A|b). Anders ausgedr¨ uckt, ist das Gleichungssystem nur l¨osbar, wenn sich die rechte Seite b alsgeeignete Summe u ¨ ber die Spaltenvektoren Aj von A darstellen l¨ asst: b = xj Aj = Ax. Weiterhin bestimmt der Rang einer Matrix, wie viele verschiedene L¨ osungen es geben kann. Wir sind haupts¨ achlich an dem Fall interessiert, dass A eine quadratische n × n-Matrix mit vollem Rang n ist, dann existiert stets eine eindeutige L¨osung x. Denn dann ist A invertierbar, d.h. es existiert eine n × n Matrix A−1 = inv(A), die Inverse von A, mit ⎞ ⎛ 1 0 ··· 0 ⎜ .. ⎟ ⎜0 1 .⎟ ⎟. A−1 · A = A · A−1 = I = ⎜ ⎜. .. ⎟ ⎝ .. . 0⎠ 0 ··· 0 1

B.2 Normen

355

Hier bezeichnet I die Einheitsmatrix, die die Eigenschaften der Eins bez¨ uglich der Matrizenmultiplikation hat. Die Einheitsmatrix ist Spezialfall einer Diagonalmatrix, also einer Matrix, die nur Eintr¨age auf der Hauptdiagonalen hat, I = diag(1, ..., 1). F¨ ur Diagonalmatrizen D = diag(d1 , ..., dn ) kann die Inverse sofort angegeben werden in der Form D−1 = diag(1/d1 , ..., 1/dn ). Die L¨ osung von Ax = b ist also gegeben durch x = A−1 b. Andererseits kann die Inverse durch das L¨ osen der n Gleichungssysteme Ax = ei berechnet werden. ei sei der Vektor, der u ¨berall Nulleintr¨age hat, aber 1 an der i-ten Komponente. Definition 38. Wir nennen eine quadratische Matrix A singul¨ar, wenn keine Inverse existiert (A hat nicht vollen Rang), andernfalls heißt A regul¨ar. Wir geben ein Beispiel einer singul¨ aren Matrix   00 A= . 01

(B.1)

Gleichungssysteme mit singul¨ aren Matrizen haben entweder gar keine L¨osung, oder unendlich viele L¨ osungen; die Dimension eines solchen L¨osungsraums (falls L¨ osungen existieren) ist gegeben durch n − rang(A). Die Matrix A aus (B.1) und die Matrix xy T sind z.B. Rang-1-Matrizen (n = 2, rang(A) = 1), d.h. das lineare Gleichungssystem Ax = 0 hat unendlich viele L¨ osungen, und der Raum der L¨ osungen ist ein 1-dimensionaler Vektorraum, der sich beschreiben l¨ asst als die Menge der Vielfachen eines beliebigen L¨ osungsvektor. Beispiel 51. Die Gleichungssysteme zu (B.1) haben folgende L¨osungen: – b = (1, 1)T hat keine L¨ osung, – b = (0, 0)T hat als L¨ osungen alle Vektoren der Form x = (a, 0)T f¨ ur beliebiges a und osungen alle Vektoren der Form (0, 1)T + (a, 0)T f¨ ur – b = (0, 1)T hat als L¨ beliebiges a. Im Zusammenhang mit der Diskreten Fourier-Transformation treten auch Matrizen auf, die komplexe Zahlen als Eintr¨ age besitzen. In diesem Fall bezeichnen wir mit AH = conj(AT ) das Hermite’sche der Matrix A. Dabei wird die Matrix A transponiert, dann aber auch noch jedes Element aij durch den konjugiert-komplexen Wert conj(aij ) = aij ersetzt.

B.2 Normen Um Aussagen u ute der berechneten ¨ ber die auftretenden Fehler und die G¨ L¨osung bei linearen Gleichungssystemen treffen zu k¨onnen, ben¨otigen wir als Hilfsmittel den Begriff der Norm. Sei

356

B Werkzeuge aus der Linearen Algebra

⎛

⎞ x1 ⎜ ⎟ x = ⎝ ... ⎠ xn ein Vektor der L¨ ange n mit reellen Zahlen x1 , . . . , xn . Definition 39. Unter der Norm x des Vektors x verstehen wir die Abbildung des Raums der Vektoren in die reellen Zahlen mit den folgende Eigenschaften: 1. x > 0 f¨ ur x = 0, 2. αx = |α| x f¨ ur alle x und alle α ∈ IR und 3. x + y ≤ x + y f¨ ur alle Vektoren x, y. Die dritte Bedingung der Definition 39 wird als Dreiecksungleichung bezeichnet, da sie geometrisch bedeutet, dass die Summe zweier Dreiecksseiten l¨anger als die dritte ist. Die Norm eines Vektors ist also zu interpretieren als seine L¨ ange, gemessen in einem evtl. verzerrten Maßstab. Wie sich leicht nachpr¨ ufen l¨ asst, erf¨ ullt die euklid’sche Norm . . n |xj |2 x2 = / j=1

die obigen Forderungen. Geometrisch beschreibt .2 die L¨ange eines Vektors im u aufig benutzte Vektornormen sind ¨ blichen Sinne. Andere, h¨ x1 =

n 

|xj |

j=1

und die Maximumsnorm

n

x∞ = max |xj |. j=1

Eng verkn¨ upft mit dem Begriff Norm ist die Definition des Skalarprodukts (oder Inneren Produkts) zweier Vektoren x und y. So geh¨ort zur euklid’schen Norm x2 das Skalarprodukt ⎛ ⎞ y1 n ⎜ .. ⎟  T T xj yj . (x, y) = y x = x y = (x1 , · · · xn ) · ⎝ . ⎠ = j=1 yn

(x, x) die euAus diesem Skalarprodukt ergibt sich mittels x2 = klid’sche Norm.  F¨ ur komplexe Vektoren ist das Skalarprodukt definiert durch ¯ j yj . (x, y) = xH y = nj=1 x

B.2 Normen

357

Auch f¨ ur Matrizen m¨ ussen wir den Begriff der Norm einf¨ uhren, wieder durch die drei Bedingungen von Definition 39. Die h¨aufigste Matrixnorm ist die 2-Norm, abgeleitet von der euklid’schen Vektornorm, und gegeben durch A2 = max x =0

Ax2 . x2

Neben den u ullt diese ¨blichen drei Eigenschaften von Definition 39 erf¨ Matrixnorm noch die Eigenschaft der Submultiplikativit¨at, d.h. A · B2 ≤ A2 · B2 , und sie ist mit der euklid’schen Vektornorm vertr¨aglich, d.h. Ay2 ≤ A2 · y2 . Die drei Eigenschaften von Definition 39 ergeben sich aus A2 = 0 ⇔ stets Ax2 = 0 ⇔ A = 0, αAx2 Ax2 = |α| max , αA2 = max x x x2 x2 Ax + Bx2 Ax2 Bx2 und A + B2 = max ≤ max + max , x x x x2 x2 x2 da die euklid’sche Norm eine Vektornorm ist. Die Vertr¨ aglichkeit folgt direkt aus Ay2 Ax2 ≤ max = A2 , x y2 x2 und die Submultiplikativit¨ at ergibt sich durch AB2 = max x

ABx2 A(Bx)2 · Bx2 ≤ max x x2 Bx2 · x2 Ay2 Bx2 ≤ max max . y y2 x x2

Wir k¨ onnen eine so definierte Matrixnorm folgendermaßen interpretieren: Die Norm einer Matrix ist die gr¨ oßte L¨ angen¨anderung eines Vektors x, die durch die Multiplikation mit A vorkommen kann. Analog k¨ onnen wir eine Matrix-1-Norm, beziehungsweise eine Matrix-∞Norm einf¨ uhren z.B. als A1 = maxx Ax1 /x1 . Unabh¨angig von Vektornormen k¨ onnen wir auch direkt Matrixnormen definieren, z.B. A = maxi,j {|aij |} oder die Frobenius-Norm einer Matrix  AF = |ai,j |2 . i,j

358

B Werkzeuge aus der Linearen Algebra

¨ Ubung 145. Zeigen Sie f¨ ur die oben definierten Normen, dass die Normeigenschaften von Definition 39 erf¨ ullt sind. Weiterhin soll untersucht werden, ob diese beiden Normen submultiplikativ bzw. mit der euklid’schen Norm vertr¨ aglich sind.

B.3 Orthogonale Matrizen Eine wichtige Sonderklasse von quadratischen Matrizen bilden die linearen Abbildungen, die die L¨ ange eines Vektors bez¨ uglich der euklid’schen Norm unver¨ andert lassen. Das bedeutet, dass f¨ ur die Abbildung, die durch die Matrix Q durch y = Qx definiert ist, gilt: xT x = x22 = y22 = Qx22 = (Qx)T (Qx) = xT (QT Q)x. Daher muss f¨ ur ein solches Q gelten: QT Q = I mit der Einheitsmatrix I, −1 T oder Q = Q . Matrizen mit dieser Eigenschaft heißen orthogonale Matrizen. Sind U und V orthogonal, so ist auch das Produkt Q = U V orthogonal, ur die da Q−1 = (U V )−1 = V −1 U −1 = V T U T = (U V )T . Dasselbe gilt f¨ Inverse: Q = U −1 , dann folgt Q−1 = U = (U −1 )T = QT . Die euklid’sche Norm einer orthogonalen Matrix ist Eins, da Q2 = max x

Qx2 = 1. x2

Jede orthogonale n × n-Matrix ist verbunden mit einer Orthogonal-Basis des IRn , bestehend aus den Spalten qj , j = 1, . . . , n von Q = (q1 , · · · , qn ). Das n T bedeutet, n dass sich jeder Vektor des IR , x = (x1 , · · · , xn ) schreiben l¨asst als x = j=1 αj qj . Die Koeffizienten αj dieser neuen Basisdarstellung berechnen sich wegen x = Q(QT x) = (q1 , · · · , qn )(QT x) einfach als (α1 , · · · , αn )T = QT x. Da die n Vektoren q1 , . . . , qn linear unabh¨angig sind und sich jedes x aus ihnen kombinieren l¨ asst, bilden die qi eine Basis des IRn . Genauso sind die beiden Vektoren q1 und q2 eine Orthonormalbasis des Unterraums U , der von diesen beiden Vektoren aufgespannt wird, U = {α1 q1 + α2 q2 |α1 , α2 ∈ IR}. Um eine allgemeine Basis a1 , . . . , ak eines Unterraums U in eine Orthonormalbasis q1 , . . . , qk zu verwandeln, kann das QR-Verfahren aus Kapitel 10.2 verwendet werden. Dabei berechnet man f¨ ur die Matrix A = (a1 , . . . , ak ) die QR-Zerlegung A = QR; dann bilden die Spalten von Q = (q1 , . . . , qk ) eine Orthonormalbasis von U . Besondere Bedeutung kommt den Permutationsmatrizen P zu. Darunter verstehen wir orthogonale Matrizen, die in jeder Zeile und Spalte genau einmal 1 stehen haben und sonst u ¨ berall nur aus Nullen bestehen. Multipliziert man P mit einer anderen Matrix A zu P A, so werden dadurch die Zeilen von

B.4 Eigenwerte und Singul¨ arwerte

359

A permutiert. Die Umordnung der Komponenten eines Vektors entspricht der Multiplikation dieses Vektors mit einer Permutationsmatrix. Haben wir es mit Matrizen u ussen wir ¨ber komplexen Zahlen zu tun, so m¨ die Definitionen verallgemeinern. Wir nennen eine Matrix dann unit¨ar, wenn die Inverse genau das Hermite’sche der Matrix ist, also U U H = I gilt.

B.4 Eigenwerte und Singul¨ arwerte Als Eigenwert einer quadratischen Matrix A bezeichnet man eine reelle oder komplexe Zahl λ, zu der ein Vektor x = 0, der Eigenvektor zu λ, existiert mit Ax = λx. Ist A sogar symmetrisch, so weiß man, dass sogar eine Orthonormalbasis aus Eigenvektoren existiert, also Q = (x1 , . . . , xn ) mit xTj xk = 0 f¨ ur j = k, und Axj = λj xj . Daher gilt AQ = QΛ mit der Diagonalmatrix Λ = diag(λ1 , . . . , λn ). F¨ ur die 2-Norm einer symmetrischen Matrix A ergibt sich wegen A = QΛQT A22 = max x

Ax22 xT AT Ax y T Λ2 y = max T = λ2max (A). = max 2 T x y x2 x x y y

Daher ist A2 gleich dem Absolutbetrag des betragsgr¨oßten Eigenwertes von A. Eine symmetrische Matrix A, deren Eigenwerte alle  positiv sind, heißt n 2 positiv definit. Dann gilt xT Ax = xT QΛQT x = y T Λy = ur j=1 λj yj > 0 f¨ jeden Vektor x = Qy = 0. Aus der Eigenwertgleichung Ax = λx sieht man, dass ein Eigenvektor zu Eigenwert λ = 0 eine Gerade durch den Koordinatenursprung bestimmt, die durch die lineare Abbildung x → Ax in sich u uhrt wird; eine solche ¨berf¨ Gerade bezeichnet man daher als Fixgerade. Ein Koordinatensystem, das genau aus Eigenvektoren besteht, eignet sich sehr gut zur Beschreibung der Abbildung A. Beschr¨anken wir uns auf den symmetrischen Fall, so existiert eine Orthonormalbasis von Eigenvektoren x1 , . . . , xn und es gilt: A(x1 , . . . , xn ) = (x1 , . . . , xn ) · diag(λ1 , . . . , λn ) =⇒ AQ = QΛ =⇒ QT AQ = Λ d.h. im Koordinatensystem der Eigenvektoren ist die Matrix A eine einfache Diagonalmatrix. ¨ F¨ ur eine beliebige Matrix A k¨ onnen wir durch Ubergang zu den symmetriT T schen Matrizen A A bzw. AA eine ¨ ahnliche Zerlegung definieren. Zu jeder beliebigen reellen n × m-Matrix A exisitiert eine Faktorisierung der Form

360

B Werkzeuge aus der Linearen Algebra

⎛

⎞ 0 0⎟ ⎟ .. ⎟ .⎟ ⎟ ⎟ 0 σk 0 · · · 0 ⎟ ⎟ ··· ··· 0 0 ··· 0⎟ ⎟ .. ⎟ .. .. .⎠ . . 0 ··· ··· 0 0 ··· 0

σ1 ⎜ 0 ⎜ ⎜ .. ⎜ . ⎜ ⎜ Σ = ⎜ ... ⎜ ⎜ 0 ⎜ ⎜ . ⎝ ..

A = U ΣV,

0 σ2 .. .

··· ··· 0 ··· .. .

0 ··· 0 ··· .. .

mit orthogonalen Matrizen U und V , Σ eine n× m-, U eine n× n- und V eine m × m-Matrix. Dabei sind die Matrizen U und V gerade die Eigenvektoren von AT A und AAT ; die σj heißen die Singul¨arwerte von A und sind die Wurzeln aus den Eigenwerten von AT A bzw. AAT . Weiterhin bezeichnet k den Rang von A, der gleich dem Rang von AT A und AAT ist. ¨ Ubung 146. Zeigen Sie, dass die Eigenwerte einer orthogonalen Matrix alle vom Betrag 1 sind. Welche Werte k¨ onnen die singul¨aren Werte einer orthogonalen Matrix annehmen? ¨ Ubung 147. Zeigen Sie, dass AT A und AAT stets symmetrisch positiv semidefinit sind und die selben Eigenwerte besitzen. F¨ ur die 2-Norm erhalten wir f¨ ur eine beliebige Matrix A A22 = max x

= max y

Ax22 xT AT Ax = = max 2 x x2 xT x

y T Σ T Σy 2 = λmax (AT A) = σmax (A). yT y

Dabei ist AT A = V Σ T ΣV T , und die 2-Norm einer beliebigen Matrix ist daher gleich ihrem gr¨ oßten Singul¨ arwert σmax .

B.5 Bestapproximation in der .2 -Norm Oft stehen wir in der angewandten Mathematik vor der Aufgabe, Daten aus sehr großen oder sogar unendlich-dimensionalen R¨aumen durch wesentlich kleinere, endliche Unterr¨ aume anzun¨ ahern. Wir betrachten als Modellproblem den Vektorraum IRn und einen kdimensionalen Unterraum U mit k  n. Um nun f¨ ur einen Vektor x ∈ IRn eine gute N¨ aherung u ∈ U zu gewinnen, bestimmen wir u als Orthogonalprojektion von x auf den Unterraum U . Wir verwenden die euklid’sche Norm x2 und das Skalarprodukt (x, y) = xT y. Theorem 9. x − u2 ist genau dann minimal f¨ ur alle v ∈ U , wenn x − u orthogonal zu allen v ∈ U ist, d.h. stets (x − u, v) = (x − u)T v = 0 gilt.

B.5 Bestapproximation in der .2 -Norm

361

Beweis. Wir betrachten f¨ ur die Optimall¨ osung u und beliebiges v ∈ U die Funktion g(ε) := (x − u + εv, x − u + εv) = x − u22 + 2ε(v, x − u) + ε2 v22 . Da x − u2 minimal ist, muss (v, x − u) gleich Null sein f¨ ur alle v ∈ U , da ansonsten durch Wahl von ε eine bessere L¨osung als u gefunden werden k¨onnte. Ist andererseits f¨ ur ein u ∈ U und alle v ∈ U stets (v, x − u) = 0, so folgt, dass x − u + εv2 minimal ist f¨ ur ε = 0; da dies f¨ ur beliebige v ∈ U gilt, muss u die gesuchte Optimall¨ osung mit minimalem Abstand zu x sein. Anmerkung 71. Aus dem Beweis sieht man, dass f¨ ur die Optimall¨osung gilt: x − u22 = (x − u)T (x − u) = xT (x − u) − uT (x − u) = xT (x − u) = xT x − xT u = xT x − (x − u + u)T u = xT x − (x − u)T u − uT u   = x22 − u22  . Sei u1 , . . . , uk eine Basis des Unterraums U . Dann berechnet sich die n Optimall¨ osung durch den Ansatz u = j=1 αj uj aus 0 = (x − u)T uk = (x −

n 

αj uj )T uk = xT uk −

j=1

n 

αj uTj uk

j=1

oder aus dem Gleichungssystem n 

(uTj uk )αj = xT uk

f¨ ur

k = 1, . . . , n.

j=1

Ist u1 , . . . , un sogar eine Orthonormalbasis von U , so erhalten wir direkt αk = xT uk .

C Komplexe Zahlen

Von zwei wahrscheinlichen L¨osungen ist meist die einfachere die ” richtige.“ William v. Ockham

Es sollen die komplexen Zahlen eingef¨ uhrt und das Rechnen mit ihnen erkl¨art werden. Die imagin¨ are Zahl i wird definiert, um die L¨osung der quadratischen oglichen. Eine beliebige komplexe Zahl x l¨asst Gleichung x2 = −1 zu erm¨ sich dann schreiben als x = a + ib, a und b reelle Zahlen, die als Realund Imagin¨ arteil bezeichnet werden. So wie sich reelle Zahlen mit Hilfe des Zahlenstrahles visualisieren lassen, so kann man die komplexen Zahlen auch als Vektoren mit zwei Komponenten x = (a, b)T in der Ebene darstellen.

Imag x

b

r

r sin(φ)

φ r cos(φ)

a

Real

Abb. C.1. Darstellung einer komplexen Zahl.

Der Betrag einer komplexen Zahl √ ist – wie die L¨ange des entsprechenden ¯ = a − ib bezeichnen Vektors – gegeben durch |x| = a2 + b2 , und mit x wir die zu x = a + ib konjugiert komplexe Zahl, die an der reellen Achse gespiegelte Zahl. Beschr¨ anken wir uns auf Zahlen der L¨ange 1, so beschreiben diese Vektoren den Einheitskreis. Zwischen Realteil, Imagin¨ arteil, und dem Winkel ϕ kann man aus obigem Bild sofort einige elementare Beziehungen ablesen. So l¨asst sich jede komplexe

364

C Komplexe Zahlen

Zahl auf dem Einheitskreis (mit Betrag r = 1) in Abh¨angigkeit von dem Winkel ϕ zwischen dem Vektor und der x-Achse beschreiben durch x = cos(ϕ) + i sin(ϕ) = eiϕ . Diese letzte Beziehung ist sehr wichtig und erm¨oglicht eine andere Darstellung der komplexen Zahlen. Doch zun¨ achst wollen wir diese Gleichung mittels der Reihendarstellung von Exponentialfunktion, Sinus und Cosinus begr¨ unden: eiϕ =

∞ ∞ ∞   (iϕ)n (iϕ)2k  (iϕ)2k+1 = + n! (2k)! (2k + 1)! n=0 k=0

=

∞  (−1)k ϕ2k k=0

(2k)!

+i

k=0

∞  (−1)k ϕ2k+1 k=0

(2k + 1)!

= cos(ϕ) + i sin(ϕ).

Daraus ergibt sich die elementare Beziehung zwischen e, π und i der Form exp(2iπ) = cos(2π) + i sin(2π) = 11 . Umgekehrt errechnet sich der Cosinus aus der komplexen Exponentialfunktion mittels  1 ix e + e−ix 2 1 = (cos(x) + i sin(x) + cos(−x) + i sin(−x)). 2

cos(x) =

Wir wollen aber wieder zu uck√ den Eigenschaften komplexer Zahlen zur¨ kehren. Jedes x mit Betrag a2 + b2 kann auf L¨ange Eins normiert werden mittels x/|x|, und damit kann jede Zahl x dargestellt werden als

x = a + ib = a2 + b2 (cos(ϕ) + i sin(ϕ)) = reiϕ mit

a2 + b 2 ,

b . a Damit haben wir zwei verschiedene Darstellungsformen einer komplexen Zahl hergeleitet und k¨ onnen bei Bedarf die jeweils g¨ unstigere w¨ahlen und jeweils von einer Form in die andere umrechnen. F¨ ur komplexe Zahlen gelten die u ¨ blichen Rechenregeln: r=

tan(ϕ) =

x + y = (a + ib) + (c + id) = (a + c) + i(b + d) x · y = (a + ib) · (c + id) = (ac − bd) + i(ad + bc), oder in der Exponentialdarstellung der komplexen Zahlen 1

Diese Gleichung wird von vielen Mathematikern f¨ ur eine der sch¨ onsten Formeln der Mathematik gehalten, da sie die Extrem“-Zahlen e, π und i so verkn¨ upft, ” dass sie sich gegenseitig zu Eins aufheben

C Komplexe Zahlen

365

x · y = (|x|eiϕ ) · (|y|eiψ ) = (|x| · |y|)ei(ϕ+ψ) , n    n n−j n n a (ib)j = |x|n einϕ , x = (a + ib) = j j=0 x ¯ = a − ib = |x|eiϕ = |x|e−iϕ . In der zweiten Form ist das Produkt zweier komplexer Zahlen also zur¨ uckgef¨ uhrt auf das Produkt der Betr¨ age und die Summe der Winkel. Nun wollen wir auf dem Einheitskreis ¨ aquidistante St¨ utzstellen ausw¨ahlen. Deshalb definieren wir uns die n-ten Einheitswurzeln   2πij exp , j = 0, 1, . . . , n − 1. n Der Name kommt daher, dass die n-ten Einheitswurzeln genau die eindeutigen L¨ osungen der Gleichung xn = 1 sind, die n-ten Wurzeln aus der Eins bzw. die n Nullstellen des Polynoms xn − 1. i

π −1

4 1

−i

Abb. C.2. Einheitskreis mit achten Einheitswurzeln.

D Fourier-Entwicklung

”

Mathematik ist die Sprache der G¨otter.“ Novalis

Zun¨ achst wollen wir eine Reihenentwicklung f¨ ur Funktionen beschreiben, die st¨ uckweise stetig und periodisch sind. Der Einfachheit halber betrachten wir den Fall der Periode 2π, f (x + 2π) = f (x) f¨ ur x ∈ IR. Dann kann f als unendliche Reihe geschrieben werden in der Form ∞

f (x) =

a0  + (ak cos(kx) + bk sin(kx)). 2

(D.1)

k=1

Die Koeffizienten ak , bk heißen Fourier-Koeffizienten und lassen sich berechnen mittels  1 π f (x) cos(kx)dx, (D.2) ak = π −π  1 π f (x) sin(kx)dx, (D.3) bk = π −π f¨ ur k = 0, 1, . . . . ¨ Ubung 148. Die obige Formel gilt, falls f periodisch auf dem Intervall [−π, π] ist. Sei eine Funktion g gegeben, die periodisch auf einem beliebigen Intervall [a, b] ist. Wie transformieren sich (D.1) – (D.3) auf g? ¨ Ubung 149. Die Funktion f (x) aus D.1 kann auch mittels der komplexen Exponentialfunktion geschrieben werden in der Form f (x) =

∞ 

ck exp(ikx)

(D.4)

k=−∞

mit komplexen Zahlen ck . Stellen Sie die Verbindung her zwischen den reellen Zahlen ak , bk und den komplexen Zahlen ck .

368

D Fourier-Entwicklung

Die Fourier-Koeffizienten beschreiben, wie sich die Funktion aus bestimmten Frequenzanteilen zusammensetzt. Dabei bezeichnet k die Wellenzahl, k/2π die Frequenz und 2π/k die dazugeh¨ orige Periode. Also geben die Zahlen ak und bk an, wie sich f im Frequenzbereich um k/2π verh¨alt. Außerdem stellt das endliche trigonometrische Polynom a0  + (ak cos(kx) + bk sin(kx)) 2 n

fn (x) =

k=1

eine Approximation an f dar, f¨ ur die die Norm  π 2 (fn (x) − f (x))2 dx fn (x) − f (x)2 := −π

¨ minimal ist u ¨ ber alle trigonometrischen Polynome vom Grad n (siehe Ubungsaufgabe 96). Wir wollen die Fourier-Koeffizienten mittels Trapezregel und St¨ utzstellen x0 = −π, xj = −π + 2π j, x = π ann¨ a hern. Dann folgt N N  π 1 f (x) cos(kx)dx ak = π −π  1 2π 1 f (−π) cos(−kπ) + f (x1 ) cos(kx1 ) ≈ · π N 2  1 + . . . + f (xN −1 ) cos(kxN −1 ) + f (π) cos(kπ) 2    N −1 2  2π kj = f (xj ) cos k −π + N j=0 N =

    N −1 N −1   2 2 2πkj 2πkj cos(kx0 ) − sin(kx0 ) f (xj ) cos f (xj ) sin N N N N j=0 j=0

und wir ben¨ otigen die Koeffizienten gk =

    N −1 N −1 2  2  2πkj 2πkj und hk = , f (xj ) cos f (xj ) sin N j=0 N N j=0 N

die sich beide aus

N −1  j=0

 f (xj ) exp

2πikj N

 (D.5)

als Real-, bzw. Imagin¨ arteil ergeben. Formel (D.5) beschreibt das MatrixVektor-Produkt, das wir in Kapitel 18.1 als Diskrete Fourier-Transformation des Vektors (f0 , . . . fN −1 ) definieren.

E Praktische Hinweise

Die Mathematik als Fachgebiet ist so ernst, dass man keine Gelegen” heit vers¨aumen sollte, dieses Fachgebiet unterhaltsamer zu gestalten.“ Blaise Pascal

¨ E.1 Hinweise zu Ubungsund Programmieraufgaben Dieses Lehrbuch u ¨ber numerische Berechnungsmethoden ging aus der Vorlesung Konkrete Mathematik, Numerisches Programmieren“ hervor. Die ” ¨ Ubungen zu den Vorlesungen finden sich im Internet unter www5.in.tum. de/lehre/vorlesungen/konkr_math/. Dort sind auch Hinweise zur L¨osung ¨ vieler Ubungsaufgaben aus diesem Buch zu finden, die interaktiv Hilfestellungen geben (www5.in.tum.de/lehre/vorlesungen/konkr_math/05_06/). ¨ Die L¨ osung von Ubungsaufgaben ist besonders motivierend und f¨ordert das Verst¨ andnis f¨ ur numerische Berechnungsmethoden, wenn die Aufgaben aus einer anwendungsbezogenen, kapitel¨ ubergreifenden Fragestellung kommen, wie z.B. die Diskussion der Probleme der Bildverarbeitung mit den Aspekten: 1. 2. 3. 4. 5.

Rundungsfehler (Quantisierung) Gleichungssysteme (Filter, Deblurring, Registrierung) Interpolation (Bildtransformation) Iterative Verfahren (z.B. bei Gleichungssystemen) und Differentialgleichungen (Diffusion).

Neben der Bildverarbeitung (Wintersemester 03/04, www5.in.tum.de/lehre/ vorlesungen/konkr_math/03_04/prog/prog.html) eignen sich hier auch folgende Fragestellungen: 1. Audioverarbeitung, siehe (Wintersemester 04/05, www5.in.tum.de/lehre/ vorlesungen/konkr_math/04_05/prog/prog.html), 2. Computergraphik, 3. Implementierung elementarer Berechnungsmethoden sowie 4. partielle Differentialgleichungen des Wissenschaftlichen Rechnens.

370

E Praktische Hinweise

¨ E.2 Uberblick zu Software fu ¨r numerische Anwendungen – Numerische Lineare Algebra (Vektoren, Matrizen): – BLAS: www.netlib.org/blas/ – LAPACK: www.netlib.org/lapack/ – Templates for the solution of Linear Systems: netlib2.cs.utk.edu/linalg/html\_templates/Templates.html – Templates for the Solution of Algebraic Eigenvalue problems: www.cs.ucdavis.edu/~bai/ET/contents.html – ATLAS: math-atlas.sourceforge.net/ – Programme f¨ ur Parallelrechner: – ScaLAPACK: www.netlib.org/scalapack/scalapack\_home.html – PLAPACK: www.cs.utexas.edu/users/plapack/ – MPI: www.mpi-forum.org/docs/mpi-20-html/mpi2-report.html – OpenMP: www.openmp.org/drupal/ – PETSc: www-unix.mcs.anl.gov/petsc/petsc-as/ – PARDISO: http://www.computational.unibas.ch/cs/scicomp/software/ pardiso/ – Software-Umgebungen (kommerziell): – MATLAB: Mathworks www.mathworks.com/ – MATHCAD: www.mathcad.de/ – Mathematica: www.wolfram.com/products/mathematica/index.html – Maple: www.maplesoft.com/ – Graph Partitioning: Metis: www-users.cs.umn.edu/~karypis/metis/ – FFTW: www.fftw.org/ – Gew¨ ohnliche Diff’gleichungen: ODEPACK: www.netlib.org/odepack/ – Computational Fluid Dynamics codes: icemcfd.com/cfd/CFD – Optimierung: plato.la.asu.edu/guide.html – Allgemeine Software: – Numerical Recipes: www.nr.com/ – Netlib: www.netlib.org/ – GAMS: Guide to available mathematical Software: gams.nist.gov/ – Matrix Market: math.nist.gov/MatrixMarket/ – JavaNumerics: math.nist.gov/javanumerics/ – Object-oriented Numerics: www.oonumerics.org/oon/ – GNU Scientific Library: www.gnu.org/software/gsl/ – TOMS, Transactions on mathematical Software: math.nist.gov/toms/Overview.html – Kommerzielle Bibliotheken: – IMSL: www.vni.com/products/imsl/ – NAG: www.vni.com/products/imsl/ – MSC/NASTRAN: www.mscsoftware.com/products/ – Diffpack: www.diffpack.com/

E.3 Literaturhinweise

371

E.3 Literaturhinweise – Grundlagen der Mathematik: – Analysis 1 – Differential und Integralrechnung einer Ver¨anderlichen, O. Forster – Analysis 1, Th. Br¨ ocker – Lineare Algebra, G. Fischer – Lineare Algebra, K. J¨ anich – Numerik f¨ ur Nicht-Mathematiker: – Numerische Mathematik kompakt, R. Plato – Numerische Methoden, J. D. Faires, R. L. Burden – Numerische Mathematik mit Matlab, G.Gramlich, W. Werner – Numerik f¨ ur Anf¨ anger, G. Opfer ¨ – Computer-Numerik, Chr. Uberhuber – Wissenschaftliches Rechnen, J. Herzberger – Numerik f¨ ur Informatiker, F. Locher – Anwendungsbezogene Numerik: – Numerical methods and software, D. Kahaner, C. Moler, S. Nash – An Introduction to High Peformance Computing, L. Fosdick, E. Jessup, J. C. Schauble, G. Dominik – Grundlagen der Numerischen Mathematik und des Wissenschaftlichen Rechnens, M. Hanke-Bourgeois – Numerische Mathematik, M. Bollh¨ ofer, V. Mehrmann – Numerik f¨ ur Mathematiker: – Numerische Mathematik, H. R. Schwarz, – Numerische Mathematik, P. Deuflhard, A. Hohmann, F. Bornemann – Numerische Mathematik, J. Stoer, R. Bulirsch – Numerische Mathematik, R. Schaback, H. Werner – Numerische Mathematik, G. H¨ ammerlin, K.-H. Hoffmann – Numerische Lineare Algebra: – Iterative Methods for Sparse Linear Systems, Y. Saad – Numerik linearer Gleichungssysteme, A. Meister – Numerik linearer Gleichungssysteme, Chr. Kanzow – Numerische Lineare Algebra, W. Bunse, A. Bunse-Gerstner – Applied Numerical Linear Algebra, J. Demmel – Matrix Computations, G. Golub, Ch. van Loan – Numerical Linear Algebra, L. N. Trefethen, D. Bau – Wavelets: – Wavelets. Die Mathematik der kleinen Wellen, B. B. Hubbard – Wavelets – Eine Einf¨ uhrung, Chr. Blatter – A friendly guide to wavelets, G. Kaiser – Fast-Fourier-Transformation: – FFT-Anwendungen, E. O. Brigham – Computational Frameworks for the Fast Fourier Transform, Ch. van Loan

372

E Praktische Hinweise

– Computer Arithmetik und Rechnerarchitektur: – Numerical computing with IEEE floating point arithmetic, M. L. Overton – Aufbau und Arbeitsweise von Rechenanlagen, W. Coy – Rechnerarchitektur, W. K. Giloi – Rechnerarchitektur, J. Hennessy, D. Patterson, D. Goldberg – Accuracy and stability of Numerical Algorithms, N. Higham – Parallelrechner: – Paralleles Rechnen, W. Huber – Solving linear systems on vector and shared memory computers, J. Dongarra, I. Duff, D. Sorensen – Numerical linear algebra for high- performance computers, J. Dongarra, I. Duff, D. Sorensen – L¨ osung linearer Gleichungssysteme auf Parallelrechnern, A. Frommer – Parallel Multilevel Methods for Elliptic Partial Differential Equations, B. Smith, P. Bjorstad, W. Gropp – Computertomographie: – An Introduction to High Peformance Computing, L. Fosdick, E. Jessup, J. C. Schauble, G. Dominik – Mathematical Methods in Image Reconstruction, F. Natterer, F. W¨ ubbeling – Audio: Audiodesign, H. Raffaseder – PDE und Bildverarbeitung: – Digitale Bildverarbeitung, B. J¨ ahne – Anisotropic Diffusion in Image Processing, J. Weickert – Numerical Methods for Image Registration, J. Modersitzki – Data Mining: – Understanding Search Engines, M. Berry, M. Browne – Data Mining. Introdutory and Advanced Topics, M. Dunham – Ordinary Differential Equations und Chip Design: – Differentialgleichungen, E. Kamke – Analysis and Simulation of Semiconductor Devices, S. Selberherr – Markov Ketten und stochastische Matrizen: – Nonnegative matrices in mathematical Sciences, A. Berman, R. J. Plemmons – Angewandte Lineare Algebra, B. Huppert – Neuronale Netze und Fuzzy Logik: – Fuzzy Thinking, B. Kosko – Neuro-Fuzzy-Methoden, H.-H. Bothe – Iteration, Fraktale und Chaos: – Chaos, B. Eckhardt – Dynamische Systeme und Fraktale, K.-H. Becker, M. D¨orfler – A first course in chaotic dynamical systems, R. Devaney – Chaos and Fractals, H.-O. Peitgen, H. J¨ urgens, D. Saupe

E.3 Literaturhinweise

373

– Computergraphik: – Einf¨ uhrung in die Computergraphik, H. Bungartz, M. Griebel, Chr. Zenger – Graphische Datenverarbeitung, R. Zavodnik, H. Kopp – Partielle Differentialgleichungen und Multigrid: – Partielle Differentialgleichungen, J. Wloka – A Multigrid Tutorial, L. W. Briggs, W. van Emden Henson, S. McCormick – Multigrid, U. Trottenberg, C. Osterlee, A. Sch¨ uller – Multigrid Methods, K. St¨ uben, U. Trottenberg – Partielle Differentialgleichungen und Anwendungen: ¨ – Uber die partiellen Differentialgleichungen der mathematischen Physik, R. Courant, K. Friedrichs, H. Lewy – Methoden der Mathematischen Physik, R. Courant, D. Hilbert – Allgemeine Meteorologie, G. Liljequist, K. Cehak – Softwarefehler: – Softwarefehler und ihre Folgen, www5.in.tum.de/~huckle/bugsn.pdf – Collection of Software Bugs, www5.in.tum.de/~huckle/bugse.html – Weitere interessante Themen: – Audio Paradoxa: www.noah.org/science/audio_paradox/ – Top 10 Algorithms, Dongarra and Sullivan, in Computing in Science and Engineering, 2 (1), 2000. – Top500 Supercomputer: www.top500.org – Heisenberg-Effekt der Arithmetik: www.inf.ethz.ch/news/focus/res_ focus/april_2005/ – Murphy’s Law: www.murphys-laws.com/ – Vierspeziesrechenmaschine von Leibniz: www.nlb_hannover.de/Leibniz – Curta: www.curta.de – Zuse: www.konrad-zuse-computermuseum.de, www.zib.de/zuse und www.deutsches-museum.de/ausstell/meister/zuse.htm – Moore’s Law: www.intel.com/technology/mooreslaw/

Literaturverzeichnis

1. E. Anderson, Z. Bai, C. Bischof. LAPACK user’s guide. SIAM, 1995. 2. Ariane-5: Inquiry Board traces Failure to Overflow Error. www.siam.org/ siamnews/general/ariane.htm, 1996 3. Z. Bai, J. Demmel, J. Dongarra, A. Ruhe, H. van der Vorst. Templates for the Solution of Algebraic Eigenvalue Problems: A Practrical Guide. SIAM, 2000. 4. R. Barett, M. Berry, T. Chan, J. Demmel, J. Donato, V. Eijkhout, R. Pozo, Ch. Romine, H. van der Vorst. Templates for the Solution of Linear Systems. SIAM, 1995. 5. R. Barret, M. Berry, T. Chan. Templates for the Solution of Linear Systems: Building Blocks for Iterative Methods. SIAM, 1994. http://www.netlib.org/ linalg/html_templates/Templates.html. 6. E. Batschelet. Einf¨ uhrung in die Mathematik f¨ ur Biologen. Springer Verlag, Berlin, 1980. 7. K.-H. Becker, M. D¨ orfler. Dynamische Systeme und Fraktale. Computergrafische Experimente mit Pascal. Vieweg Verlag, 1989. 8. A. Berman, R. Plemmons. Nonnegative Matrices in the Mathematical Sciences. SIAM, 1994. 9. M. W. Berry, M. Browne. Unterstanding Search Engines: Mathematical Modeling and Text Retrieval. SIAM,1999. 10. L.S. Blackford, J. Choi, A. Cleary. ScaLAPACK User’s Guide. SIAM, 1997. 11. Chr. Blatter. Analysis 1. Springer Verlag, 1974. 12. Chr. Blatter. Wavelets. Eine Einf¨ uhrung. Vieweg Verlag, 1998. 13. A. Bode. Neue Architekturen f¨ ur Mikroprozessoren. Spektrum der Wissenschaften, 5, 2000. 14. M. Bollh¨ ofer, V. Mehrmann. Numerische Mathematik. Vieweg Verlag, Wiesbaden, 2004. 15. H.-H. Bothe. Neuro-Fuzzy-Methoden. Springer Verlag, 1998. 16. M. Bozo. Detaillierung und Dokumentation eines durchg¨ angigen Prozesses f¨ ur Entwurf und Implementierung von Software im Automobil. Technische Universit¨ at M¨ unchen, 2006. 17. L. Briggs, W. van Emden Henson, S. F. McCormick. A Multigrid Tutorial. SIAM, 2000. 18. E. O. Brigham. FFT-Anwendungen. Oldenbourg Verlag, 1997. 19. Th. Br¨ ocker. Analysis 1. Spektrum Akademischer Verlag, 1992. 20. H.-J. Bungartz, M. Griebel, C. Zenger. Einf¨ uhrung in die Computergraphik. Vieweg Verlag, 1996. 21. W. Bunse, A. Bunse-Gerstner. Numerische Lineare Algebra. Teubner Verlag, 1985.

376

Literaturverzeichnis

22. The Capability Maturity Model: Guidelines for Improving the Software Process. Addison-Wesley, 1995. 23. G.J. Cody, W. Waite. Software manual for the Elementary Functions. Prentice Hall, 1980. ¨ 24. R. Courant, K. Friedrichs, H. Lewy. Uber die partiellen Differentialgleichungen der mathematischen Physik. Math. Ann., 100:32 – 74. 25. R. Courant, D. Hilbert. Methoden der Mathematischen Physik I,II. Springer Verlag, 1968. 26. W. Coy. Aufbau und Arbeitsweise von Rechenanlagen. Braunschweig, 1992. 27. T. Danzig. Le nombre, language de la science. Paris, 1931. 28. J. W. Demmel. Applied numerical linear Algebra. SIAM, 1997. 29. P. Deuflhard, A. Hohmann. Numerische Mathematik I. de Gruyter, 1993. 30. R. L. Devaney. A first course in chaotic dynamical systems. Addison-Wesley, 1992. 31. J. J. Dongarra, I. S. Duff, D. C. Sorensen. Solving linear systems on vector and shared memory computers. SIAM, 1991. 32. J. J. Dongarra, I. S. Duff, D. C. Sorensen. Numerical linear algebra for highperformance computers. SIAM, 1998. 33. W. Dr¨ oschel, M. Wiemers (Hrsg.). Das V-Modell 97. Der Standard f¨ ur die Entwicklung von IT-Systemen mit Anleitung f¨ ur den Praxiseinsatz. M¨ unchen, 2000. 34. M. Dunham. Data Mining. Introductory and Advanced Topics. Prentice Hall, 2003. 35. B. Eckhard. Chaos. Fischer Verlag, 2004. 36. R. L. Faires, J. D. Burden. Numerische Methoden. Springer Verlag, 2000. 37. G. Fischer. Lineare Algebra. Vieweg Verlag, 2005. 38. O. Forster. Analysis 1. Vieweg Verlag, 2004. 39. L. D. Fosdick, E. R. Jessup, C. J.C. Schauble, G. Domik. An Introduction to high-performance Scientific Computing. The MIT Press, 1995. 40. A. Frommer. L¨ osung linearer Gleichungssysteme auf Parallelrechnern. Vieweg Verlag, 1990. 41. H. Gall, K. Kemp, H. Sch¨ abe. Betriebsbew¨ ahrung von Hard- und Software beim Einsatz von Rechnern und ¨ ahnlichen Systemen f¨ ur Sicherheitsaufgaben. Schriftenreihe der Bundesanstalt f¨ ur Arbeitsschutz und Arbeitsmedizin, 2000. 42. Carl Friedrich Gauß. disquisitio de elementis ellipticis palladis ex oppositionibus annorum 1803, 1804, 1805, 1806, 1808, 1809. Number 6 in Carl Friedrich onigliche Gesellschaft der Wissenschaften, G¨ ottingen, 1874. Gauß Werke. K¨ 43. W.K. Giloi. Rechnerarchitektur. Berlin, 1993. 44. Goldberg. What every computer scientist should know about floating-point arithmetics. ACM Computing Surveys, 23(1):5 – 48, 1991. 45. G. Golub, Ch. van Loan. Matrix Computations. Johns Hopkins University Press, second edition, 1989. 46. G. Gramlich, W. Werner. Numerische Mathematik mit Matlab. dpunkt Verlag, 2000. 47. G. H¨ ammerlin, K.-H. Hoffmann. Numerische Mathematik. Springer Verlag, 1989. 48. M. Hanke-Bourgeois. Grundlagen der Numerischen Mathematik und des Wissenschaftlichen Rechnens. Teubner Verlag, 2002. 49. L. Hatton. Safer C - Developing Software for High-integrity and Safety-critical Systems. McGraw-Hill, 1994.

Literaturverzeichnis

377

50. J. L. Hennessy, D. A. Patterson, D. Goldberg. Rechnerarchitektur: Analyse, Entwurf, Implementierung, Bewertung. Vieweg Verlag, 1994. 51. J. Herzberger. Wissenschaftliches Rechnen: Eine Einf¨ uhrung in das Scientific Computing. Akademie Verlag, 1995. 52. M.R. Hestenes, E. Stiefel. Methods of conjugate gradients for solving linear systems. J. Res. Nat. Bur. Standards, 49:409 – 436, 1952. 53. N. J. Higham. Accuracy and Stability of Numerical Algorithms. SIAM, 1996. 54. C. Hills. Embedded C -Traps and Pitfalls. 55. B. B. Hubbard. Wavelets - Die Mathematik der kleinen Wellen. Birkh¨ auser Verlag, 1997. 56. W. Huber. Paralleles Rechnen. Oldenbourg Verlag, 1997. 57. B. Huppert. Angewandte Lineare Algebra. de Gruyter, 1990. 58. IEC International Electrotechnical Commission: IEC 60880 - Software for Computers important to Safty for Nuclear Power Plants; Software aspects of Defence against common Cause Failures, Use of Software Tools and of Predeveloped Software. International Organisation for Standardization. 59. IEC International Electrotechnical Commission: IEC 61508 - Functional Saftety of Electrical/Electronic/Programmable Electronic Safety-Related Systems. http://www.61508.org.uk/, 1998. 60. IEEE standard for binary floating-point arithmetic: ANSI/IEEE std 754-1985. Reprinted in SIGPLAN notices 22, 2, 1985. 61. G. Ifrah. Universalgeschichte der Zahlen. Frankfurt/Main, 1993. 62. ISO International Organisation for Standardization: ISO 9000 - Quality Management and Quality Assurance Standards. International Organisation for Standardization, 1994. 63. ISO International Organisation for Standardization: ISO 31-11 - Mathematical signs and symbols for use in the physical sciences and technology. International Organisation for Standardization. 64. ISO International Organisation for Standardization: ISO 9899 - Programming languages - C. International Organisation for Standardization, 1990. 65. B. J¨ ahne. Digitale Bildverarbeitung. Springer Verlag, 2001. 66. K. J¨ anich. Lineare Algebra. Springer Verlag, 2003. 67. D. Kahaner, C. Moler, S. Nash. Numerical methods and software. Prentice Hall International, 1989. 68. G. Kaiser. A friendly guide to wavelets. Birkh¨ auser Verlag, 1994. 69. E. Kamke. Differentialgleichungen, L¨ osungsmethoden und L¨ osungen I,II. Teubner Verlag, Stuttgart, 1983. 70. Chr. Kanzow. Numerik Linearer Gleichungssysteme. Springer Verlag, 2005. 71. K. Knopp. Theorie und Anwendung der unendlichen Reihen. Springer Verlag, 1964. 72. A. Koenig. C Traps ans Pitfalls. AT&T Bell Laboratories, 1988. 73. B. Kosko. Fuzzy Thinking. Hyperion, 1993. 74. U. Kulisch. Grundlagen des Numerischen Rechnens: Mathematische Begr¨ undung der Rechnerarithmetik. Bibliographisches Institut, 1976. 75. P. Lacan, J. Monfort, L. Ribal, A. Deutsch, G. Gonthier. ARIANE 5 The Software Reliability Verification Process: The ARIANE 5 Example. Proceedings DASIA’98, 1998. 76. G. H. Liljequist, K. Cehak. Allgemeine Meteorologie. Vieweg Verlag, 1984. 77. Chr. van Loan. Computational Frameworks for the Fast Fourier Transform. SIAM, 1992.

378 78. 79. 80. 81.

82. 83. 84. 85. 86. 87. 88. 89. 90. 91.

92.

93.

94. 95. 96. 97. 98. 99. 100. 101. 102. 103. 104. 105.

Literaturverzeichnis F. Locher. Numerische Mathematik f¨ ur Informatiker. Springer Verlag, 1992. MATLAB. http://www.mathworks.com/. A. Meister. Numerik Linearer Gleichungssysteme. Vieweg Verlag, 2005. MISRA The Motor Industry Software Reliability Association: Guidelines for the Use of the C Language In Vehicle Based Software. Motor Industry Research Association, 2004. J. Modersitzki. Numerical Methods for Image Registration. Oxford University Press, 2004. Gordon E. Moore. Cramming more Components onto Integrated Circuits. Electronics, 8(38):114–117, 1965. Gordon E. Moore. =http://www.intel.com/research/silicon/mooreslaw. htm . P. M¨ uller. Lexikon der Datenverarbeitung, 8. Auflage. M¨ unchen, 1992. F. Natterer, F. W¨ ubbeling. Mathematical Methods in Image Reconstruction. SIAM, 2001. G. Opfer. Numerik f¨ ur Anf¨ anger. Vieweg Verlag, 1994. M. L. Overton. Numerical Computing with IEEE Floating Point Arithmetic. SIAM, 2001. H.-O. Peitgen, H. J¨ urgens, D. Saupe. Chaos and Fractals. Springer Verlag, 1992. R. Plato. Numerische Mathematik kompakt. Vieweg Verlag, 2000. William H. Press, Saul A. Teukolsky, William T. Vetterling, and Brian P. Flannery. Numerical Recipes in FORTRAN: The Art of Scientific Computing. Cambridge University Press, 1992. William H. Press, Saul A. Teukolsky, William T. Vetterling, and Brian P. Flannery. Numerical Recipes in FORTRAN 90: The Art of Parallel Scientific Computing. Cambridge University Press,1996. William H. Press, Saul A. Teukolsky, William T. Vetterling, and Brian P. Flannery. Numerical Recipes in C: The Art of Scientific Computing. Cambridge University Press, 1999. H. Raffaseder. Audiodesign. Hanser, 2002. RTCA: Software Considerations in Airborne Systems and Equipment Certification. www.rtca.org, 1992. Y. Saad. Iterative methods for sparse linear systems. SIAM, 2003. K. Samelson, F. L. Bauer. Optimale Rechengenauigkeit bei Rechenanlagen mit gleitenden Komma. Z. angew. Math. Phys. 4, 312–316, 1953. R. Schaback, H. Werner. Numerische Mathematik. Springer Verlag, 1992. J. Sch¨ auffele, T. Zurawka. Automotive Software Engineering: Grundlagen, Prozesse, Methoden und Werkzeuge. Vieweg Verlag, 2003. M. Schr¨ onen Methodology for the Development of Mircoprocessor-based Safetycritical Systems. Aachen, 1998. H. R. Schwarz. Numerische Mathematik. Teubner Verlag, 1993. S. Selberherr. Analysis and Simulation of Semiconductor Devices. Springer Verlag, 1984. J. R. Shewchuk. Adaptive Precision Floating-point Arithmetic and Fast Robust Geometric Predicates. 1996. B. Smith, P. Bjorstadt, W. Gropp. Parallel Multilevel Methods for Elliptic Partial Differential Equations. Cambridge University Press, 1996. Software Process Improvement and Capability Determination.

Literaturverzeichnis 106. 107. 108. 109.

110. 111. 112. 113. 114. 115. 116. 117. 118. 119. 120. 121.

379

S. Stevin. De Thiende. 1585. J. Stoer. Numerische Mathematik 1. Springer Verlag, 1999. J. Stoer, R. Bulirsch. Numerische Mathematik 2. Springer Verlag, 2000. K. St¨ uben, U. Trottenberg. Multigrid Methods: Fundamental Algorithms, Model Problem Analysis and Applications. In W. Hackbusch and U. Trottenberg, editors, Multigrid Methods, Proceedings of the Conference held at K¨ oln-Porz, November, 23 – 27, 1981, Lecture Notes in Mathematics, Berlin, 1982. Springer Verlag. K.-D. Thies. Nutzung mathematischer Bibliotheksfunktionen in Assembler und C. M¨ unchen, 1989. L. N. Trefethen, D. Bau. Numerical Linear Algebra. SIAM, 1997. U. Trottenberg, C. Osterlee, A. Sch¨ uller. Multigrid. Academic Press, 2001. ¨ C. Uberhuber. Computer-Numerik 1. Springer Verlag, 1995. ¨ C. Uberhuber. Computer-Numerik 2. Springer Verlag, 1995. R. Verf¨ urth. A Review of A posteriori Error Estimates and adaptive meshrefinement techniques. Teubner Verlag,1995. V-Modell 1997, Entwicklungsstandard f¨ ur IT-Systeme des Bundes. Bundesministerium f¨ ur Verteidigung, 1997. P. von der Linden. Expert C Programming, Deep C Secrets. 1994. J. Weickert. Anisotropic Diffusion in Image Processing. Teubner Verlag, 1998. J. Wloka. Partielle Differentialgleichungen. Teubner Verlag, 1982. R. Zavodnik, H. Kopp. Graphische Datenverarbeitung. Carl Hanser Verlag, 1995. G. M. Ziegler. DMV Mitteilungen, Band 13 (1), 51, 2005.

Index

Abakus, 30 Abstiegsrichtung, 255 adaptiv, 182 Adaptivit¨ at, 173, 325 Addierwerk, 36 Anfangswertbedingung, 301 Anfangswertproblem, 281 Archimedes-Quadratur, 183 ASCII, 35 assoziativ, 17, 72, 73, 76 Audio, 218 Ausgleichsrechnung – nichtlineare, 248 Ausl¨ oschung, 75, 89

Byte, 34

B-Spline, 168 B-Spline-Kurve, 172 Banach’scher Fixpunktsatz, 234 Bandmatrix, siehe Matrix Basis, 30, 358 – Orthogonal-Basis, 358 Berechnungsmethode, 32, 47, 71, 79–82, 84, 85, 88–90 – Cardanosche, 97 – numerisch stabile, 84 Berechnungsverfahren, 71 Bernstein-Polynom, 170, 194 Bestapproximation, 360 Bezier-Kurve, 170 Bildkompression, 215 Bildverarbeitung, 337 Bin¨ arzahl, 34 Bisektionsverfahren, 243 Bit, 34 – Carry, 36 – Vorzeichen, 45 Bitreversal, 206 Butterfly, 203, 223

Datentypen, 21 Differentialgleichung – algebraisch, 297 – elliptischer Typ, 300 – explizite Form, 281 – gew¨ ohnliche, 279 – h¨ oherer Ordnung, 288 – hyperbolischer Typ, 300 – implizite Form, 281 – parabolischer Typ, 300 – partielle, 21, 279 – zweiter Ordnung, 300 – steife, 293 Differentialgleichungssystem – nichtlinear, 294 Differentialoperator, 306 Differentialquotient, 286 Differenzenoperator, 306 Differenzenquotient, 286 Diskretisierung, 302 – sfehler, 306 – globaler, 290 – lokaler, 289

Cache, 132 Cauchy-Folge, 236 cg-Verfahren, 257 Chaos, 261 Chebycheff-Polynom, 180 Chebycheff-St¨ utzstellen, 163 Chip-Design, 297 Cholesky-Zerlegung, 141 Computertomographie, 143 Cosinus Transformation, 216 Crank-Nicolson-Verfahren, 294 Crout-Verfahren, 138

382

Index

– smethoden, 305 dividierte Differenzen, 166 Dreiecksgleichungssystem, 104–105, 137 Eigenvektor, 257 Eigenwert, 257, 359 Einheitswurzel, 365 Einzelschrittverfahren, 253 Entwicklungsprozess, 24 Entwicklungsstandard, 25 Epsilontik, 79, 90, 94 erzeugende Funktion, 350 Euler-MacLaurin’sche Summenformel, 181 Euler-Verfahren, 284 – implizites, 285, 293 – R¨ uckw¨ arts-, 285 Exponent einer Gleitpunktzahl, 57 Extrapolationsverfahren, 180 Faltung, 190 Fehler ¨ – Uberlauffehler, 63 – Abbruch, 22 – absoluter, 82 – Darstellung, 22 – Diskretisierungs, 22 – Modellierungs, 22 – relativer, 82 – Rundungsfehler, 17, 63, 64, 69 – analyse, 70, 71 – sch¨ atzer, 326 – aposteriori, 326 – apriori, 326 – Unterlauffehler, 64 Festkommazahlen, 51 Filter, 217 Finite Differenzen, 304, 305 – Methode, 286 Finite Elemente, 304 – Diskretisierungen, 321 Finite Volumen, 304 Fixpunkt, 233 – abstoßend, 234 – anziehend, 237 Fixpunktsatz – Banach’scher, 234, 312 flop, 113 Fourier-Analyse, 212

Fourier-Entwicklung, 367 Fourier-Transformation – DFT, 200 – diskret, 199 – FFT, 201 – Kombinationsphase, 207 – Sortierphase, 205 Fourier-Zerlegung, 313 Fuzzy-Steuerung, 191 Gauß’scher Weichzeichner, 190 Gauß-Algorithmus, 310 Gauß-Elimination, 106–113 – blockweise, 138 Gauß-Kronrod, 180 Gauß-Newton-Verfahren, 248 Gauß-Quadratur, 179 Gauß-Seidel-Verfahren, 251 Gebietszerlegung, 328 – nicht u ¨ berlappend, 329 – smethoden, 328, 329 Gef¨ ahrdungspotential, 26 Genauigkeit – adaptiv, 86 – beliebig, 86 – doppelt, 59 – einfach, 59 Gesamtschrittverfahren, 253 Gesetzm¨ aßigkeit – -Moore, 15 Givens-Reflexion, 121 Gleichung – nichtlinear, 239 Gleitpunktzahl – Speicheranordnung, 58 – Vergleich, 59 Gleitpunktzahlen, 56 – Darstellung, 56 – Exponent, 57 – normalisiert, 58 – subnormal, 60 Google, 270 Gradientenverfahren, 254 Graph, 129 Grobgitterkorrektur, 319 Halbaddierer, 36 Hermite-Interpolation, 166 Heron, 274

Index Hesse-Matrix, siehe Matrix Hieroglyphen, 30 Hinweise, 369 Horner-Schema, 165 Hydrodynamik, 337 IEEE, 55, 59, 62 Information Retrieval, 268 Integer-Zahlen, 45 – Addition, 47 – Division, 49, 52 – Multiplikation, 47 – Subtraktion, 47 Integration, 175–185 Interpolationsfehler, 162 Intervallrechnung, 54 – Addition, 54 – Division, 55 – Multiplikation, 54 Iterative L¨ osungsverfahren, 311 Jacobi-Iteration, 319 Jacobi-Matrix, siehe Matrix Jacobi-Verfahren, 251, 313 JPEG-Verfahren, 215 Kalibrierung, 188 Karatsuba-Algorithmus, 42 Kombinationsphase, siehe FourierTransformation kommutativ, 17, 73, 76 Komplexe Zahlen, 363 Kondition, 81, 82 Kondition einer Matrix, 112 Konfigurationsmanagement, 26 Konsistenzordnung, 306 Lagrange-Polynome, 157 Landau-Notation, 351 Laplace-Gleichung, 299 Laplace-Operator, 299, 306 Leonardo von Pisa, 32 Leontief’sches Weltmodell, 147 Lineare Ausgleichsrechnung, 115–125 Load-Balancing, 329 Logistische Parabel, 261 Lorenz-Attraktor, 295 LU -Zerlegung, 109–111 Mantisse, 57, 64, 67

383

Markov-Kette, 266 Maschinen – genauigkeit, 67, 70, 79, 95, 312 – zahl, 17 Matrix, 353 – Adjazenzmatrix, 129 – Bandmatrix, 127, 311 – d¨ unnbesetzte, 127, 249 – Diagonalmatrix, 250, 269, 359 – Block-, 330 – Einheitsmatrix, 355 – Hermite’sch, 355, 359 – Hesse-, 248 – Normalform, 94 – inverse, 354 – Jacobi-, 247 – orthogonal, 358 – Permutations-, 358 – positiv definit, 141, 254, 258, 359 – Rang einer Matrix, 354 – regul¨ ar, 355 – singul¨ ar, 355 – stochastische, 266 – symmetrisch, 141, 254, 258, 354, 359 – transponiert, 354 – unit¨ ar, 200, 359 Mehrgitterverfahren, 319 Methode der kleinsten Quadrate, 117 MISRA-C, 78 Mittelpunktsregel, 177, 287 Mittelwertsatz, 347 Modell, 21, 279 Monte-Carlo-Methoden, 185 MP3, 218 Multiplikation – saturiert, 49 NaN, 60 Neuronale Netze, 146, 265 Neville-Tableau, 160, 181 Newton-Interpolation, 164 Newton-Verfahren, 239–248 Norm, 355 – euklid’sch, 356 – IEC 60880, 24 – IEC 61508, 24 – IEEE 754, 57 – ISO 15504, 25

384

Index

– ISO 9000, 24 – RTCA DO-178B, 24 – vertr¨ aglich, 357 Normalform, 300 Normalgleichung, 116 Not-a-Number, 60 Nullstellenbestimmung, 88 Nyquist-Frequenz, 214 Pagerank, 270 Parallelisierbarkeit, 135 Parallelit¨ at, 327 Permutationsmatrix, 110 Pipeline, 135 Pivotelement, 108 Pivotsuche, 107 – Spalten-, 107 – Total-, 107 – Zeilen-, 107 Poisson-Gleichung, 305 Positionssystem, 30 Pr¨ akonditionierer, 250 Projektmanagement, 26 QR-Zerlegung, 119–124, 150, 269 Quadratur, 175–185 Qualitatssicherung, 26 Quasi-Newton-Verfahren, 248 Quicksort, 78 R¨ auber-Beute-Modell, 294 r¨ omisches Zahlensystem, 31 Randwertbedingung, 301 – Dirichlet-, 302 – Neumann-, 302 Rechenfehler, 19 Rechenschieber, 56 Rechnergest¨ utzte Geometrie, 94 Registerbreite, 40, 45, 48 Registrierung, 188 Regula falsi, 245 Regularisierung, 124 Reifegradmodelle, 24 – CMM, 24 – SPICE, 25 Reihenentwicklung, 76 Relaxationsfaktor, 313 Residuum, 311 Restriktion, 319

Richardson-Verfahren, 249 Richtungsfeld, 282, 284 Rundungsart, 64 Rundungsfehler, siehe Fehler, 19 – absoluter, 66 – relativer, 66 Safety Integrity Level, 26 Satz von Taylor, 306 Schrittweite, 284 Sekatenverfahren, 241 Simpson-Regel, 178 Singul¨ arwert, 359 Singul¨ arwertzerlegung, 269 Skalarprodukt, 79, 354, 356 Softron, 26 Software-Engineering, 25 Softwarekrise, 25 Softwaretechnik, 25 Solitonen, 336 Sonnenfleckenaktivit¨ at, 212 Sortierphase, siehe FourierTransformation Speichertechnologie – DRAM, 33 – EEPROM, 33 – EPROM, 33 – Flash, 33 – PROM, 33 – ROM, 33 – SRAM, 33 Spline-Interpolation, 167 Stabilit¨ at, 81, 292 Stellenwertsystem, 30 Strassen, 133 Submultiplikativit¨ at, 357 System – reaktiv, 16, 21 Systementwicklung, 25 Systemerstellung, 26 Taylor-Entwicklung, 82, 89, 285, 347 Tikonov-Regularisierung, 125 Trapezregel, 177, 178 Trapezsumme, 181 Trigonometrische Interpolation, 193 Tsunami, 336 Typgenehmigungsverfahren, 26 V-Modell, 25

Index Vandermonde-Matrix, 200 Variationsproblem, 321 Vektor, 353 Vektorisierbarkeit, 135 Vektoriteration, 257 Vektorraummodell, 268 Verknupfung – NICHT, 40, 94 – ODER, 36 – UND, 36 Verschiebeoperator, 41 Vierspeziesrechenmaschine, 32, 57 Volladdierer, 36 Wachstumsprozess, 281 Wavelet, 220

– Haar-, 223 Weltmodelle, 259 Wetter, 302, 327, 331 – modell, 332 – vorhersage, 331 Wettervorhersage, 21, 296 Wrap-Around, 47 Zahl, 29 Zahldarstellung, 32 – halblogarithmisch, 56, 57 Zahlen, 29 Zerfallsprozess, 281 Zertifikat, 26 Ziffer, 30 Zweierkomplement, 40

385